Nyckeltalen sammanfattar rapportens centrala indikatorer. Alla värden beräknas från det underliggande datamaterialet och avser hela perioden om inget annat anges. Procentandelar (refereegranskat, Open Access, internationellt samarbete) beräknas som andel av totalt antal publikationer per år.
Procentuell förändring visas inte när basvärdet understiger 10 enheter, eftersom små bastal ger statistiskt instabila procenttal (Hicks et al. (2015), princip 8; jfr CDC:s regel om n < 16). Absoluta tal visas istället.
Insikter
Under perioden 1970-2025 var den
genomsnittliga årliga tillväxttakten (CAGR) +8.2%. Trenden är
ökande (statistiskt signifikant; p < 0.05).
Mann
(1945);
Sen
(1968) Följande år hade ovanligt hög publiceringsaktivitet: 2019,
2021, 2022, 2023, 2024.
Insikter
Andelen peer-reviewed: 100 % senaste
årtionde (2017–2026), upp från 100 % föregående årtionde (2007–2016).
Långsiktig trend (1970–2026): ökande.
3276 publikationer (100 %) vetenskapliga, 0 publikationer (0 %) övriga.
Äldre år (1970–2018) aggregerade för läsbarhet. Full tidsspan tillgänglig i dataexporten.
Norwegian Publication Indicator (NPI), även kallad norska listan, klassificerar publiceringskanaler i två nivåer. Nivå 2 (topp ~20 % per ämnesområde) anses vara de mest prestigefyllda kanalerna. Nivå 1 omfattar övriga godkända kanaler.
En hög andel publikationer (≥10 %) saknar NPI-klassificering. Vanliga orsaker: saknade ISSN i källdata, kanaler utanför registret (~40 000 tidskrifter), konferensserier, eller nyligen startade tidskrifter. Se tidskriftstabellen för oklassificerade kanaler.
DORA-läge är aktiverat för den här rapporten. Bifrost utvärderar rapporten mot principerna i DORA (2012) och CoARA (2022).
Rapporten innehåller element som inte är förenliga med DORA:s princip 1: “Använd inte journalbaserade mått som surrogatmått för kvaliteten hos enskilda forskningsartiklar.”
NPI-nivåklassificering (Nivå 1/2) visas i rapporten. NPI är ett nordiskt klassificeringssystem som rangordnar publiceringskanaler efter akademisk position, det vill säga en kanalbaserad ranking som DORA avråder från att använda som kvalitetssurrogat. Klassificeringen visas här som deskriptiv information om publiceringsmönster, inte som ett mått på enskilda artiklars kvalitet.
Forskarna listas nedan, sorterade efter vetenskaplig produktivitet.
Insikter
De 20% mest produktiva forskarna står
för 40% av publikationerna (Gini 0.22, skala: 0 = jämnt, 1 = helt
koncentrerad). Genomsnittligt antal medförfattare: 2.5 senaste årtionde
(2017–2026), upp från 2.1 (2007–2016).
Insikter
171 forskargrupper av ungefär lika
storlek; inget kluster dominerar. Varje forskare samarbetar i snitt med
2.6 andra (ett måttligt sammankopplat nätverk). Tydlig klusterstruktur
(Modularitet 0.99); forskarna arbetar främst inom sin egen grupp.
Nätverket är glest: bara 0.3% av alla forskarpar har en direkt
samarbetslänk.
Varje nod representerar en forskare och varje länk ett samförfattarskap. Färgerna visar forskargrupper (kluster) identifierade via modularitetsanalys. Nodens storlek speglar antal publikationer.
Samförfattarskapsnätverket byggs från samförfattade publikationer. Varje nod representerar en forskare, och varje kant viktas med antal sampublikationer. Kantvikterna normaliseras med association strength Van Eck et al. (2009) före klustring med Louvains algoritm. Centralitetsmått: grad (antal samarbetspartners), samarbetsintensitet (total samförfattarfrekvens), och brobyggarvärde (weighted betweenness med inverterade vikter) Newman (2004). Nätverksdensitet mäter andelen realiserade av alla möjliga samarbeten. Terminologi: «Samarbetspartners (snitt)» = mean degree; «Klusterbildning» = modularity Blondel et al. (2008).
Procenten räknas på par där båda författarna har landsuppgift (3207 klassificerade av 3222 totalt, täckning 100%). Varav 15 par där båda författarna saknar institutionell tillhörighet, 0 par där institutionen inte kunde mappas till ett land, och 0 par där en sida saknar uppgift.
‘Samförfattade texter’ anger antalet texter författaren skrivit tillsammans med en eller flera samförfattare.
Nätverksstatistik visar centrala noder i samarbetsnätverket. Grad (degree) är antalet direkta samarbeten, medan mellanliggande centralitet (betweenness) visar vilka författare som fungerar som broar mellan olika grupper.
Den första medförfattaren som listas är den som författaren skrivit tillsammans med flest gånger. ‘Antal’ anger antal medförfattade texter med författaren. Upp till fyra ytterligare medförfattare anges, i fallande ordning efter antal medförfattarskap.
Nedan är en visualisering av datasetets 171 olika grupperingar. Färgerna anger olika grupper.
Adaptiv visualisering (large): 822 noder / 1081 kanter → 380 noder / 433 kanter efter filtrering.
Visualiseringen återställdes till det ofiltrerade källnätverket: de adaptiva filtren skulle annars ha reducerat nätverket under gränsen för en meningsfull visning.
Namn på författare till höger; grupp-id till höger. Du kan se storlek på grupperna och gruppernas vanligaste keywords i tabellerna som följer. En kombination av sökning och sortering kan användas för att utforska gruppmedlemskap vidare.
Tabellen är begränsad till a) grupper med fler än 3 medlemmar; b) grupper med minst ett keyword i någon publikation; c) de tio mest använda nyckelord per grupp.
Se även handledar- och opponentnätverket i forskarsektionen för en analys av akademiska samarbetsmönster bortom samförfattarskap.
Insikter
287 lärosäten bidrar. Göteborgs
universitet, Umeå universitet och Stockholms universitet står för 26 % —
en bred fördelning.
Översikt av det internationella samarbetet baserat på medförfattarskap och affilieringar i publikationerna.
Insikter
41 länder representerade i samarbeten.
Norge, Finland och Storbritannien är vanligast. 9.1 % av publikationerna
har internationella medförfattare — ökning från 6 % (2007–2016) till 11
% (2017–2026).
Baserat på medförfattares affilieringsland.
Insikter:
Nätverket omfattar 106 lärosäten med
308 samarbetsrelationer. Det starkaste samarbetet är mellan Göteborgs
universitet och Högskolan i Borås (29 gemensamma publikationer).
Göteborgs universitet har flest samarbetspartners (33 st).
Insikter
Samhällsvetenskap dominerar (80 %).
Ämnesbredden är stabil (1970–2026, H: 0.71 → 0.72). Måttlig
interdisciplinaritet — forskningen kombinerar närliggande ämnesområden.
Rao-Stirling: 0.526 (där 0 = enhetligt ämne, 1 = maximal spridning).
Baserat på 6 HSV-huvudområden (UKÄ-klassificering).
Rao-Stirling
(Stirling, 2007)
Shannon H (jämnhetsindex) mäter hur jämnt fördelade publikationerna är över ämnesområden. Värdet 1.00 innebär perfekt jämnhet; lägre värden indikerar dominans av enskilda områden. Rao-Stirling mäter interdisciplinaritet genom att väga både fördelningen och det taxonomiska avståndet mellan ämnesområden enligt UKÄ:s klassificering. Skalan går från 0 (alla publikationer i samma ämne) till 1 (maximal spridning över avlägsna ämnesområden).
Andel av totala publikationer per år (%). Notera att en publikation kan tillhöra flera kategorier.
I datasetet finns det totalt 31 nivå 2-kategorier. Här visas de vanligaste 25.
Under perioden 1970–2026 saknar 5.1% (168 av 3 276) publikationer ämnesklassificering på denna nivå.
Andel av totala publikationer per år (%). Notera att en publikation kan tillhöra flera kategorier.
religious studies and theology; genus; mathematics; learning; barn; idrottsvetenskap; slaviska språk; socialpsykologi; social psychology; socialvetenskap; medicin; biblioteks- och informationsvetenskap; estetiska ämnen; etnicitet; nordiska språk; kulturarv och kulturproduktion; medieteknik; lärande; idrott; kommunikation mellan människor; hälso- och sjukvård i samhället; teknikvetenskap; tillämpad matematik; morfologi; mathematics ; vårdvetenskap; genetics; språkvetenskap; pedagogical work; dentistry; ekonomi; artificial intelligence (ai)
Insikter
Bred nyckelordsprofil — ingen enskild
term dominerar (HHI: 0.0018 — Herfindahl-Hirschman Index, där 0 =
perfekt jämn fördelning, 1 = en term dominerar helt). Vanligast är
“sweden” som förekommer i 6.2 % av publikationerna, fördelat över totalt
6599.
education; education and learning; higher education; högskolan; högskolan sverige lärarutbildning; lärarutbildning; lärarutbildning och pedagogisk yrkesverksamhet; lärarutbildning– sverige; pedagogical work; pedagogics and educational sciences; pedagogik och utbildningsvetenskap; pedagogiskt arbete; sverige; teacher education; teacher education and education work; utbildning och lärande
Färger indikerar frekvenskvantiler inom detta dataset.
Röd: Högsta frekvens (6.2-4.98%); Blå: Hög frekvens (4.98-3.76%); Grön: Medelhög frekvens (3.76-2.54%); Orange: Låg frekvens (2.54-1.32%); Grå: Lägsta frekvens (1.32-0.1%)
Sjunkande nyckelord: science education, gender
Tidsserien visar nyckelord som förekommer i minst 50 publikationer över hela perioden. Värdena är andelar av årets publikationer för att möjliggöra jämförelse mellan år med olika total volym.
Inga stigande trender identifierades. Nedan visas istället djupanalys av sjunkande keywords. Dessa kan indikera ämnesområden som minskar i aktualitet eller forskningsintresse.
Följande keywords hade perioder av hög aktivitet tidigare men har sedan avtagit. Analysen visar när de var som mest aktiva, vad som drev intresset, och hur aktiviteten utvecklats sedan dess.
Burst-period: 2014–2018 (måttlig burst)
Toppår: 2017 (9 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: naturvetenskapsämnenas didaktik, curriculum studies, gender
Nuvarande status: Minskande
Burst-period: 2021–2024 (måttlig burst)
Toppår: 2022 (5 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: sweden, preschool, assessment
Nuvarande status: Stabil
Burst-period: 2016–2021 (måttlig burst)
Toppår: 2018 (10 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: innovativt lärande, teacher education, sweden
Nuvarande status: Potentiellt minskande
Burst-period: 2016–2020 (måttlig burst)
Toppår: 2018 (10 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: innovative learning, teacher education, sweden
Nuvarande status: Potentiellt minskande
Burst-period: 2015–2020 (måttlig burst)
Toppår: 2016 (6 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: pedagogik med inriktning mot utbildningsvetenskap, lärarutbildning, teacher education
Nuvarande status: Stabil
Heatmappen visar hur ofta nyckelord förekommer tillsammans i samma publikationer. Association strength Van Eck et al. (2009) normaliserar samförekomsten mot produkten av de enskilda nyckelordfrekvenserna. Röda asterisker (✱) i rutornas övre högra hörn markerar statistiskt signifikanta samförekomster (p < 0.05).
Nyckelord som ofta förekommer tillsammans i samma publikationer bildar tematiska kluster. Tabellen nedan sammanfattar klustren; den interaktiva grafen visar relationerna visuellt.
Nätverksdiagrammet visar hur nyckelord relaterar till varandra baserat på sam-förekomst i publikationer. Större noder innebär vanligare nyckelord. Linjer visar sam-förekomst. Färger visar tematiska kluster identifierade med Leiden-algoritmen (Traag et al., 2019).
Frekvensen av enskilda ord i datasetet som helhet. Ord har hämtats från titel, abstract och keywords. “Frekvens” är totala användningar, inklusive antal omnämningar i en och samma text, medan “publikationer” är antalet unika texter var ordet förekommer.
Insikter
De 5 vanligaste orden (efter andel
publikationer) är: “education” (97%), “teacher” (96%), “swedish” (65%),
“teachers” (65%), “sweden” (56%). Dessa mönster speglar datasettets
tematiska kärna. Observera att geografiska markörer som “swedish” är
vanliga i akademiska metadata och speglar publikationernas nationella
anknytning snarare än forskningsämnet.
Notis: Datasetet innehåller 32933 rader. För bästa prestanda visas endast de 8000 med högst frekvens i tabellen.
Här visas summering av ordstammar, alltså delar av ord, i datasetet som helhet. Ord har hämtats från titel, abstract och keywords. “Frekvens” är totala användningar, inklusive antal omnämningar i en och samma text, medan “publikationer” är antalet unika texter var ordet förekommer.
Dessa trender är indikativa och kompletterar keyword-analysen ovan.
Metodologisk notering: Ordfrekvensanalys baseras på enskilda ord extraherade från titel, abstract och keywords. Till skillnad från författarvalda keywords kan enskilda ord vara mer brusiga och tvetydiga — till exempel kan ordet ‘system’ förekomma i både tekniska och samhällsvetenskapliga sammanhang, medan keywordet ‘adaptive systems’ är mer precist. Striktare trösklar används (minst 10 förekomster, korrelation > 0.5) och akademiska stoppord är exkluderade.
Stigande/sjunkande visar trender över tid (Spearman-korrelation). Nya/försvinnande visar livscykel — när ord började eller slutade användas.
Inga statistiskt signifikanta trender identifierades bland de vanligaste orden.
OA-analysen baseras på 1581 publikationer med DOI som matchats mot OpenAlex (48% av totalt 3276). 1663 publikationer saknar DOI och ingår därför inte i OA-statistiken.
Insikter
OA-andelen gick från 100 % till 86%
(14.3 procentenheter) under perioden 1970–2026. Hybrid stod för den
största ökningen (+24.7 procentenheter). Green OA utgör 8.7 % av alla
publikationer — tillgängliga via öppet arkiv efter embargoperiod
(typiskt 6–12 månader); nyare publikationer kan ännu inte vara fritt
tillgängliga. Diamond OA (inga avgifter för vare sig författare eller
läsare) utgör 22.5 %.
Notera:
1557 av 1613 publikationer med DOI
matchades mot OpenAlex och fick OA-status (96.5%). OA-status är hämtad
från OpenAlex (baserad på Unpaywall). OA-status kan vara retroaktivt
klassificerad — en publikation som idag är fritt tillgänglig kan ha
varit stängd vid publiceringstillfället. Trenden bör därför tolkas med
försiktighet, särskilt för äldre publikationer. Green OA-klassificering
baseras på förekomsten av en version i öppet arkiv, oavsett om eventuell
embargoperiod har löpt ut — Green OA-andelen kan därför vara överskattad
för nyare publikationer.
En komplett lista av sökningens resultat. Initialt sorterat efter år (fallande) och författare (stigande). Ändra ordningen vid kolumnrubriken. Sökning kan göras över alla visade fält.
Blondel, V. D., Guillaume, J.-L., Lambiotte, R., & Lefebvre, E (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, P10008. https://doi.org/10.1088/1742-5468/2008/10/P10008
Bornmann, L., & Marx, W (2018). Critical rationalism and the search for standard (field-normalized) indicators in bibliometrics. Journal of Informetrics, 12(3), 598–604. https://doi.org/10.1016/j.joi.2018.05.002
CoARA (2022). Agreement on Reforming Research Assessment. https://coara.eu/agreement/the-agreement-full-text/
DORA (2012). San Francisco Declaration on Research Assessment. https://sfdora.org/read/
Hicks, D., Wouters, P., Waltman, L., de Rijcke, S., & Rafols, I (2015). Bibliometrics: The Leiden Manifesto for research metrics. Nature, 520(7548), 429–431. https://doi.org/10.1038/520429a
Kleinberg, J (2003). Bursty and hierarchical structure in streams. Data Mining and Knowledge Discovery, 7(4), 373–397. https://doi.org/10.1023/A:1024940629314
Mann, H. B (1945). Nonparametric tests against trend. Econometrica, 13(3), 245–259. https://doi.org/10.2307/1907187
Neal, Z. P (2022). backbone: An R package to extract network backbones. PLOS ONE, 17(5), e0269137. https://doi.org/10.1371/journal.pone.0269137
Newman, M. E. J (2004). Analysis of weighted networks. Physical Review E, 70(5), 056131. https://doi.org/10.1103/PhysRevE.70.056131
Opsahl, T., Agneessens, F., & Skvoretz, J (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251. https://doi.org/10.1016/j.socnet.2010.03.006
Perianes-Rodriguez, A., Waltman, L., & Van Eck, N. J (2016). Constructing bibliometric networks: A comparison between full and fractional counting. Journal of Informetrics, 10(4), 1178–1195. https://doi.org/10.1016/j.joi.2016.10.006
Piwowar, H., Priem, J., Larivière, V., Alperin, J. P., Matthias, L., Norlander, B., Farley, A., West, J., & Haustein, S (2018). The state of OA: A large-scale analysis of the prevalence and impact of Open Access articles. PeerJ, 6, e4375. https://doi.org/10.7717/peerj.4375
Sen, P. K (1968). Estimates of the regression coefficient based on Kendall’s tau. Journal of the American Statistical Association, 63(324), 1379–1389. https://doi.org/10.2307/2285891
Serrano, M. Á., Boguñá, M., & Vespignani, A (2009). Extracting the multiscale backbone of complex weighted networks. Proceedings of the National Academy of Sciences, 106(16), 6483–6488. https://doi.org/10.1073/pnas.0808904106
Stirling, A (2007). A general framework for analysing diversity in science, technology and society. Journal of The Royal Society Interface, 4(15), 707–719. https://doi.org/10.1098/rsif.2007.0213
Traag, V. A., Waltman, L., & Van Eck, N. J (2019). From Louvain to Leiden: guaranteeing well-connected communities. Scientific Reports, 9, 5233. https://doi.org/10.1038/s41598-019-41695-z
Van Eck, N. J., & Waltman, L (2009). How to normalize cooccurrence data? An analysis of some well-known similarity measures. Journal of the American Society for Information Science and Technology, 60(8), 1635–1651. https://doi.org/10.1002/asi.21075
Van Eck, N. J., & Waltman, L (2014). Visualizing bibliometric networks. In Ding, Y., Rousseau, R., & Wolfram, D. (Ed.), Measuring Scholarly Impact: Methods and Practice (pp. 285–320). Springer. https://doi.org/10.1007/978-3-319-10377-8_13
Wilson, E. B (1927). Probable inference, the law of succession, and statistical inference. Journal of the American Statistical Association, 22(158), 209–212.