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 2011-2025 var den
genomsnittliga årliga tillväxttakten (CAGR) +0.0%. Trenden är
stabil (ej statistiskt signifikant).
Mann
(1945);
Sen
(1968)
Insikter
Andelen peer-reviewed ökade från 52.9 %
till 80% (+27.1 procentenheter) under 2011–2026.
342 publikationer (98 %) vetenskapliga, 8 publikationer (2 %) övriga.
Äldre år (2011–2018) 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.
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 32% av publikationerna (Gini 0.14, skala: 0 = jämnt, 1 = helt
koncentrerad). Genomsnittligt antal medförfattare ökade från 1.4
(2011–2018) till 1.8 (2019–2026).
Insikter
13 forskargrupper av ungefär lika
storlek; inget kluster dominerar. Varje forskare samarbetar i snitt med
1.5 andra (ett glest nätverk). Tydlig klusterstruktur (Modularitet
0.92); forskarna arbetar främst inom sin egen grupp. Nätverket är glest:
bara 4.5% 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 (67 klassificerade av 67 totalt, täckning 100%).
‘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 13 olika grupperingar. Färgerna anger olika grupper.
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
82 lärosäten bidrar. Karlstads
universitet, Göteborgs universitet och Helsingfors universitet står för
23 % — en bred fördelning.
Översikt av det internationella samarbetet baserat på medförfattarskap och affilieringar i publikationerna.
Insikter
14 länder representerade i samarbeten.
Norge, Finland och Danmark är vanligast. 4 % av publikationerna har
internationella medförfattare — minskning från 5 % (2011–2018) till 2 %
(2019–2026).
Baserat på medförfattares affilieringsland.
Insikter:
Nätverket omfattar 12 lärosäten med 9
samarbetsrelationer. Det starkaste samarbetet är mellan
Linnéuniversitetet och Malmö universitet (3 gemensamma publikationer).
Linnéuniversitetet har flest samarbetspartners (3 st).
Insikter
Samhällsvetenskap dominerar (86 %).
Ämnesbredden är stabil (2011–2026, H: 0.46 → 0.39). Måttlig
interdisciplinaritet — forskningen kombinerar närliggande ämnesområden.
Rao-Stirling: 0.332 (där 0 = enhetligt ämne, 1 = maximal spridning).
Baserat på 4 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.
Under perioden 2011–2026 saknar 2.6% (9 av 350) publikationer ämnesklassificering på denna nivå.
Andel av totala publikationer per år (%). Notera att en publikation kan tillhöra flera kategorier.
lärande; learning; geovetenskap(ersätts med naturgeografi)
Insikter
Bred nyckelordsprofil — ingen enskild
term dominerar (HHI: 0.0026 — Herfindahl-Hirschman Index, där 0 =
perfekt jämn fördelning, 1 = en term dominerar helt). Vanligast är
“religious education” som förekommer i 11.1 % av publikationerna,
fördelat över totalt 1063.
didactics; education; geografi; historiedidaktik; historieundervisning; history teaching; religion; religious studies and theology; samhällskunskap; social studies; subject-specific education; ämnesdidaktik
Färger indikerar frekvenskvantiler inom detta dataset.
Röd: Högsta frekvens (11.1-8.94%); Blå: Hög frekvens (8.94-6.78%); Grön: Medelhög frekvens (6.78-4.62%); Orange: Låg frekvens (4.62-2.46%); Grå: Lägsta frekvens (2.46-0.3%)
Datasetet innehåller 350 publikationer. En lägre korrelationströskel (|r| ≥ 0.4) används för att identifiera potentiella trender i mindre dataset.
Potentiellt stigande: history education, curriculum, historical thinking, utbildning och lärande
Jämförelse av relativ frekvens (andel av publikationer) mellan perioderna 2011–2023 och 2024–2026.
Fördjupad analys visas för nyckelord med minst 6 publikationer i fokusperioden. Gränsen följer Pearson-korrelationens krav på minst fyra frihetsgrader (n‑ 2 ≥ 4).
En växande trend kan indikera ökat forskningsintresse, men också bero på terminologiska skiften.
Nya nyckelord (ej förekommande 2011–2023): historical significance, affective significance, ethical significance, differential item functioning, fakta- och begreppskunskap som procedural kunskap
Följande nyckelord visar kraftig tillväxt jämfört med basperioden, vilket kan indikera ökande forskningsintresse.
Tillväxtperiod: 2019–2025
Drivande aktörer (tillväxt) (tillväxtperioden 2019–2025):
Forskare: Ammert, Niklas (3), Dessingué, Alexandre (3), Nolgård, Olle (2), Rosenlund, David (2), Sjölund Åhsberg, Cathrine (2)
Lärosäten: Linnéuniversitetet (6), Malmö universitet (5), Universitetet i Stavanger (5), Uppsala universitet (4), Göteborgs universitet (3)
Samvarierande nyckelord: subject-specific education, ämnesdidaktik, historical thinking
Senaste 3 åren: 10 publikationer
Tillväxtperiod: 2017–2024
Drivande aktörer (tillväxt) (tillväxtperioden 2017–2024):
Forskare: Ledman, Kristina (1), Rosenlund, David (1), Sjölund Åhsberg, Cathrine (1)
Lärosäten: Göteborgs universitet (1), Malmö universitet (1), Umeå universitet (1)
Samvarierande nyckelord: history education, history of education, politics of memory and identity
Senaste 3 åren: 1 publikationer
Analys baserad på ett begränsat antal publikationer (n = 8). Resultaten bör tolkas med försiktighet.
Tillväxtperiod: 2018–2025
Drivande aktörer (tillväxt) (tillväxtperioden 2018–2025):
Forskare: Khawaja, Amna (2), Sjölund Åhsberg, Cathrine (2), Engren, Jimmy (1)
Lärosäten: Göteborgs universitet (3), Helsingfors universitet (3), Universitetet i Amsterdam (3)
Samvarierande nyckelord: history education, historical significance, subject-specific education
Senaste 3 åren: 3 publikationer
Analys baserad på ett begränsat antal publikationer (n = 8). Resultaten bör tolkas med försiktighet.
Tillväxtperiod: 2019–2026
Drivande aktörer (tillväxt) (tillväxtperioden 2019–2026):
Forskare: Berg, Mikael (2), Niemi, Kristian (2), Bäckström, Pontus (1)
Lärosäten: Högskolan Dalarna (3), Karlstads universitet (3), Högskolan i Jönköping (2)
Samvarierande nyckelord: ämnesdidaktik, subject-specific education, assessment practice
Senaste 3 åren: 2 publikationer
Analys baserad på ett begränsat antal publikationer (n = 10). Resultaten bör tolkas med försiktighet.
Tillväxtperiod: 2019–2026
Drivande aktörer (tillväxt) (tillväxtperioden 2019–2026):
Forskare: Wickström, Johan (2), Britton, Thérèse H. (1), Holmberg, Ulrik (1)
Lärosäten: Karlstads universitet (4), Globala gymnasiet (2), Uppsala universitet (2)
Samvarierande nyckelord: subject-specific education, ämnesdidaktik, religious education
Senaste 3 åren: 2 publikationer
Analys baserad på ett begränsat antal publikationer (n = 9). Resultaten bör tolkas med försiktighet.
Visar de 5 nyckelord med starkast statistisk evidens av totalt 10 identifierade. Urvalet baseras på signifikans (p < 0.10) och korrelationsstyrka. Notera: En högre signifikansnivå (α = 0,10) används då inga nyckelord uppnådde konventionell signifikans (p < 0,05).
Övriga växande nyckelord (lägre statistisk evidens): religionskunskap (+239%, n=6), samhällsorienterande ämnen (+171%, n=7), social science education (+171%, n=7), kritiskt tänkande (+1256%, n=3), visual literacy (+1256%, n=3)
Inga statistiskt signifikanta stigande keywords identifierades. Nedan visas keywords med starka korrelationer (|r| > 0.5) som kan indikera framväxande trender, men som inte uppnår statistisk signifikans (p < 0.05). Med ett litet dataset kan dessa trender vara verkliga men statistiskt osäkra.
Flera nyckelord i denna sektion förekommer även under Snabbt växande nyckelord. Det är förväntat: snabb relativ tillväxt och statistisk signifikans är kompletterande mått, inte synonyma.
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” (78%), “subject” (56%), “school” (49%),
“students” (42%), “teaching” (41%). Dessa mönster speglar datasettets
tematiska kärna.
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 24 publikationer med DOI som matchats mot OpenAlex (7% av totalt 350). 323 publikationer saknar DOI och ingår därför inte i OA-statistiken.
Insikter
OA-andelen gick från 100 % till 100%
(+0 procentenheter) under perioden 2024–2026. Diamond OA (inga avgifter
för vare sig författare eller läsare) utgör 100 %.
Notera:
24 av 27 publikationer med DOI matchades
mot OpenAlex och fick OA-status (88.9%). 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.
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.