Bifrost®: CSD (2025)

v. dev (8f744784)

Niemi, Kristian. (2026, 28 april). Bifrost®-analys: CSD (2025). Karlstads universitet. https://bifrost.kau.se/kau/org/hs/csd__2025_.html

Sammanfattning 2025

2025 omfattar 57 publikationer, en ökning med 6 % jämfört med 2024. 46 av 85 forskare publicerar sig för första gången i datasetet. Öppen tillgång (81 %) ligger över periodsnittet (70 %).

57
2024: 54
Snitt/år: 34.2
14.5
2024: 4.4
Snitt: 7.6
81%
2024: 79%
Snitt: 60%
+17.6%
Genomsnittlig tillväxt per år: 2010–2025
73%
Bland nivåklassificerade tidskrifter
2024: 0%
Snitt: 15%
16%
2024: 13%
Snitt: 6%
42
2024: 41
Snitt/år: 15.1
1
Snitt/år: 0.1
Data för 2025 kan vara ofullständiga — alla publikationer är inte nödvändigtvis indexerade ännu.
Om nyckeltalen

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.

Följande sökfråga användes:
(kau) andebrom OR andefors OR andolsso OR annahull OR asamelin OR daviolss OR elealund OR emilmork OR gabrblad OR hansgott OR hansolof OR ingrgros OR jennfrod OR joakwend OR johasamu OR kamilund OR karlotto OR kataplan OR kennnord OR krisniem OR krispetr OR krismika OR lenaalmq OR ludvsjun OR madeings OR marajoha OR martkris OR martjoha OR michwalk OR mikasvan OR nathpopa OR niclmodi OR patrmagn OR petewall OR rogeolss OR sarablanc OR sofinils OR stebacki OR tomaappe OR ulriholm OR viktwill OR svankarl inom org. 157 från 2010 till 2025 begränsat till publikationstyper(bookReview OR review OR article OR book OR chapter OR collection OR conferencePaper OR conferenceProceedings OR report OR monographLicentiateThesis OR comprehensiveLicentiateThesis OR dissertation OR monographDoctoralThesis OR comprehensiveDoctoralThesis)
Databas: DiVA
Datakvalitet: bristfällig
Publicering
Publikationstyper
Antal vetenskapliga publikationer per typ över år
53%
Refereegranskat 2025
89%
Vetenskapligt 2025
Snitt: 92%
15
Unika tidskrifter 2025
Snitt: 89
73%
Nivå 2 (norska listan) 2025
Snitt: 20%
8 av 11 klassificerade

Insikter
Andelen peer-reviewed minskade från 60 % till 53% [40%–65%] (7.4 procentenheter) under 2010–2025.

Insikter 2025

Under 2025 var 53 % av publikationerna refereegranskade, i linje med periodsnittet (53 %). Vanligaste typen var konferensbidrag (42 %). Jämfört med 2024 minskade andelen refereegranskade med 3 procentenheter. Citeringsdata finns för 52% av artikel i tidskrift, men bara 0% av licentiatavhandling, monografi.

505 publikationer (92 %) vetenskapliga, 42 publikationer (8 %) övriga.

Äldre år (2010–2017) aggregerade för läsbarhet. Full tidsspan tillgänglig i dataexporten.

Publikationstyper över tid
Tidskrifter: refereegranskat och övrigt vetenskapligt

Insikter 2025

Under 2025 publicerades artiklar i 11 unika tidskrifter (periodssnitt: 8.5/år).
4 tidskrifter förekommer för första gången: Temenos (2), Geography (1), History of Education (1), Journal of Rural Studies (1).
29 tidskrifter från 2022–2024 saknas 2025: Geografiska Notiser, Historisk Tidskrift, Vägval i skolans historia, Forskning om undervisning och lärande, Acta Didactica Norden, Utbildning och lärande, The Journal of the learning sciences, SAGE Open, Histoire de l’éducation, Sustainability, SO-didaktik, Svensk teologisk kvartalskrift, Journal of Ethnic and Cultural Studies, Nordic Journal of Educational History, Zeitschrift für Geographiedidaktik (ZGD), Bergen Journal of Criminal Law & Criminal Justice, Scandinavian Journal of Educational Research, História da Historiografia, Utbildning och Demokrati, Högre Utbildning, Paedagogica historica, Approaching Religion, International Research in Geographical and Environmental Education, The Journal of Beatles Studies, Curriculum Journal, Bergslagshistoria, Pedagogisk forskning i Sverige, History Education Research Journal (HERJ), Comparative Sociology.
Störst ökning: Journal of Curriculum Studies (3 pub. 2025, snitt 0.5/år); Religion & Livsfrågor (2 pub. 2025, snitt 0.2/år); Nordidactica: Journal of Humanities and Social Science Education (2 pub. 2025, snitt 1.2/år).
Av 11 unika tidskrifter under 2025 var 5 (45%) klassificerade som Nivå 2 enligt NPI: Journal of Curriculum Studies, Temenos, Environmental Education Research, History of Education, Journal of Rural Studies.
3 tidskrifter (27%) saknade NPI-klassificering: Religion & Livsfrågor, Journal of Social Science Education, Historical Thinking, Culture, and Education.
Tidskriftsartiklarna 2025 hade ett genomsnittligt fältnormaliserat citeringsgenomslag (FWCI) på 3.44, baserat på 13 publikationer med citeringsdata. FWCI = 1,0 motsvarar världsgenomsnittet.
38% av tidskriftsartiklarna tillhörde de 10% mest citerade i sitt fält (5 av 13 med data).

Saknar matchning i Kanalregisteret (HK-dir). Vanliga orsaker: saknade ISSN i källdata, kanaler utanför registret, konferensserier eller nyligen startade tidskrifter. Avsaknad av klassificering innebär inte nödvändigtvis att tidskriften saknar peer-review.
Tidskrifter: populärvetenskap, debatt etc
Publicering per NPI-nivå

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.

Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
NPI-nivå (1 eller 2) hämtas från Kanalregisteret (HK-dir) via ISSN/ISBN-matchning. Publikationer utan matchning tilldelas nivå X.
Begränsningar
  • Kanalregisteret täcker inte all vetenskaplig publicering. Publikationer utanför kanallistan saknar NPI-nivå och räknas som nivå X.
  • Nivåbaserade indikatorer bör tolkas kontextuellt och inte användas som enda kvalitetsmått. Hicks et al. (2015)
  • NPI-klassificering hämtas från Kanalregisteret (HK-dir) och täcker inte all vetenskaplig publicering. Publikationer utanför kanallistan saknar NPI-nivå.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.

Insikter 2025

Under 2025 publicerades 73 % i Nivå 2-kanaler, klart över periodsnittet (14 %). Jämfört med 2024 ökade andelen med 73 procentenheter. Noterbart är att 81 % av publikationerna saknade NPI-klassificering.

72.7%
Nivå 2 2025
2024: 0.0%
Periodssnitt: 20.2%
8
Nivå 2 (Antal) 2025
2024: 0
Periodssnitt: 1
2
Nivå 1 (Antal) 2025
2024: 7
Periodssnitt: 5
46
Ej klassificerad 2025
2025: 80.7%
81.0% av alla

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.

NPI-nivå per år
Publikationer utan NPI-klassificering
Metod och begränsningar
Datakälla
DiVA + Kanalregisteret (HK-dir)
Tidsperiod
2010–2025
Räknemetod
Full räkning — varje publikation räknas som en enhet
Begränsningar
  • Volymmåttet räknar publikationer, inte publicerade sidor eller bidragets storlek.
  • Konferensbidrag kan vara underrepresenterade i källdatabasen, särskilt för äldre perioder och vissa discipliner.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
  • NPI-klassificering hämtas från Kanalregisteret (HK-dir) och täcker inte all vetenskaplig publicering. Publikationer utanför kanallistan saknar NPI-nivå.
DORA

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.

Publiceringspoäng (norska modellen) visas i rapporten. Publiceringspoäng viktar publikationer efter kanalklassificering (NPI-nivå) och används av svenska lärosäten för resurstilldelning. Måttet använder publiceringskanal som proxy, en metodik som DORA:s princip 1 uttryckligen avråder från vid bedömning av enskilda forskare. Måttet visas här i deskriptivt syfte (volym och fördelning) och inte som ett mått på individuell forskningskvalitet.

Forskare

Forskarna listas nedan, sorterade efter vetenskaplig produktivitet.

85
Unika forskare 2025
Snitt: 37
33%
Top-10-forskares publikationsandel 2025
Snitt: 39%
2.6
Medförfattare/publ. 2025
Snitt: 2.0
46
Nya forskare 2025
Inkl. externa medförfattare.

Insikter
De 20% mest produktiva forskarna står för 57% av publikationerna (Gini 0.43, skala: 0 = jämnt, 1 = helt koncentrerad). Genomsnittligt antal medförfattare ökade från 1.7 (2010–2017) till 2.2 (2018–2025).

Insikter 2025

Med 85 unika forskare under 2025 låg antalet klart över periodsnittet (34.1 per år). Av dessa var 46 (54 %) nya i datasetet, vilket tyder på hög omsättning bland de aktiva forskarna. Mest produktiv var Katarina Plank med 10 publikationer. Genomsnittet låg på 0.7 publikationer per forskare, lägre än periodsnittet (0.9).

Hela perioden (2010–2025)
Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
Full räkning — varje publikation räknas som en enhet
Begränsningar
  • Listorna visar de mest produktiva forskarna per volym. Rangordningen speglar registrerad publiceringsaktivitet, inte vetenskaplig kvalitet eller genomslag.
  • Sektionen är deskriptiv. Individuella forskare utvärderas inte; måttet är ett gruppresultat på aggregerad nivå.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
Samarbete
Samförfattarskap

Nätverksstrukturen (kluster, klusterbildning, centralitet) baseras på hela perioden 2010–2025. Samarbetsvolymer och grundläggande mått visas även för fokusåret 2025.

Insikter
16 forskargrupper av ungefär lika storlek; inget kluster dominerar. Varje forskare samarbetar i snitt med 3.4 andra (ett måttligt sammankopplat nätverk). Tydlig klusterstruktur (Modularitet 0.89); forskarna arbetar främst inom sin egen grupp. Nätverket är glest: bara 3.6% av alla forskarpar har en direkt samarbetslänk.

Insikter 2025

Under 2025 var 70.2 % av publikationerna samförfattade (periodssnitt 50.5 %). Genomsnittligt 2.6 medförfattare per artikel (2.0 under perioden). 144 nya samarbetslänkar tillkom (par som inte samarbetat under föregående 3 år). Publikationer med internationellt samarbete hade det högsta citeringsgenomslaget (FWCI 7.01, n=34), jämfört med enförfattare (FWCI 3.73, n=271).

Metodbeskrivning

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).

70%
Samförfattade 2025
Snitt: 50%
2.6
Medförfattare per artikel 2025
Snitt: 2.0
30%
Ensamförfattade 2025
Snitt: 50%
Gradsfördelning
Sammanfattning

Procenten räknas på par där båda författarna har landsuppgift (544 klassificerade av 548 totalt, täckning 99%). Varav 0 par där båda författarna saknar institutionell tillhörighet, 0 par där institutionen inte kunde mappas till ett land, och 4 par där en sida saknar uppgift.

Individuell nätverksstatistik

‘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.

Insikter 2025

Nya nätverksaktörer: Bellström, Peter; Alaqra, Ala Sarah; Vikström, Carina (+7) (forskare utan publicering under föregående 3 år men med minst 2 samförfattade publikationer under fokusåret). Bredaste samförfattare: Olsson, David (14); Bellström, Peter (10); Alaqra, Ala Sarah (10); Jakobsson, Martin (9); Bladh, Gabriel (9) (flest unika medförfattare under fokusåret (minst 2 publikationer, minst 5 unika)). Mest produktiva par: Backius, Stefan & Melin, Åsa (3); Borup, Jørn & Härkönen, Mitra (3); Borup, Jørn & Jacobsen, Knut A. (3); Borup, Jørn & Plank, Katarina (3); Härkönen, Mitra & Jacobsen, Knut A. (3).

Tabellen visar hela perioden 2010–2025.

Vanligaste samförfattarskap

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.

Tabellen visar hela perioden 2010–2025.

Nätverk av medförfattare

Nedan är en visualisering av datasetets 16 olika grupperingar. Färgerna anger olika grupper.

Nätverket visar 94 av 275 medförfattare: de som delar minst 2 publikation med en annan.

Varför visas inte alla medförfattare?

En medförfattare tas med i nätverket först när hen samförfattat minst 2 publikation med en annan. Par som bara möts i en enda publikation räknas alltså bort. Tröskeln dämpar brus så att återkommande samarbeten framträder tydligare.

Publikationer med fler än 25 författare utelämnas när nätverket byggs. Det rör sig framför allt om metastudier, systematiska översikter och stora konsortieartiklar där hela författarlistan anges. Att låta dem ingå skulle koppla nästan alla till nästan alla.

Forskare med lila kantlinje var aktiva under fokusåret 2025.

Gruppmedlemskap

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.

Gruppstorlek
Citeringsgenomslag per forskarkluster

Diagrammet jämför det fältnormaliserade citeringsgenomslaget (FWCI) för de samförfattarskapskluster som identifierats via nätverksanalys. Varje publikation tillhör det kluster där flest av dess författare ingår. FWCI = 1,0 motsvarar världsgenomsnittet. n anger antal publikationer i klustret (visas vid hovring).

Keywords för grupper

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.

Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
Full räkning — varje publikation räknas som en enhet
Begränsningar
  • En länk i nätverket innebär att två forskare delar minst en publikation i urvalet; länkens styrka anger antalet gemensamma verk. Informella samarbeten och opublicerade projekt syns inte.
  • Korta tidsperioder eller små forskargrupper ger gläsa nätverk. Isolerade noder indikerar forskare med fä registrerade samarbeten i urvalet, inte avsaknad av samarbete generellt.
  • Par som delar färre än 2 publikationer inkluderas inte i nätverket (makeCoauthorMinPubs).
  • Publikationer med fler än 25 författare exkluderas från samförfattarskapsanalysen (makeMaxAuthorsPerPub).
  • För nätverk över 200 noder eller 500 kanter tillämpas adaptiv kantreduktion på visualiseringen (disparity filter, Serrano et al. (2009), eller kvantiltröskel beroende på storlek). Nätverksstatistik (centralitet, klustertillhörighet) beräknas alltid på den fullständiga grafen.
  • Helräkning: varje delad publikation ger vikten 1 per par. För att ge varje publikation lika total vikt oavsett antal författare, aktivera makeFractionalCounting = TRUE (per-publikation 1/(N−1)-viktning enligt Perianes-Rodriguez m.fl. 2016). Perianes-Rodriguez et al. (2016)
  • Association strength: AS(i,j) = w_ij / (k_i × k_j / 2m). Normaliseringen reducerar dominans av höggraderade noder. Van Eck et al. (2009)
  • Degree anger antal unika samarbetspartners (nätverkstopologi). Strength anger total sampubliceringsintensitet (kantvikter). En forskare med högt Degree men låg Strength har många ytliga samarbeten; omvänt innebär hög Strength med lågt Degree få men intensiva samarbeten. Opsahl et al. (2010)
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
Bibliometriska nätverksvisualiseringar är ett komplement till, inte en ersättning för, expertbedömning. Van Eck et al. (2014)
Handledar- och opponentnätverk

Till skillnad från samförfattarskapsanalysen, som kartlägger samarbete genom gemensamma publikationer, synliggör denna sektion de akademiska nätverk som uppstår genom handledning och opponering av avhandlingar. Handledare och opponenter som verkar vid flera lärosäten utgör informella kunskapsbryggor mellan organisationer — relationer som sällan fångas av traditionella bibliometriska mått men som kan avslöja viktiga mönster i akademisk kunskapsöverföring.

Insikter
17 forskare har handlett eller opponerat över lärosätesgränser. Starkaste kopplingen: Göteborgs universitet – Karlstads universitet (Kopplingsstyrka: 2). Baserat på 94.4% av avhandlingar med identifierbara handledare.

Handledningar  Opponeringar  Fokusår 2025
Handledar- och opponentnätverk, figur
Handledar- och opponentnätverk, tabell
Metodbeskrivning

Handledar-/opponentnätverket är separat från kartan för internationellt samarbete. Kartan bygger på samförfattarskap mellan författaraffilieringar, medan handledar-/opponentrelationer visas i nätverket nedan.

Nätverket baseras på handledar- och opponentrelationer extraherade från SwePub-poster. Kopplingsstyrkan beräknas som (antal handledningar × 2) + (antal opponeringar × 1). Viktningen (2:1) är en Bifrost-konvention som speglar att handledning är en längre och djupare samarbetsrelation än opponering. Metoden saknar bibliometrisk etablerad praxis; den är utvecklad specifikt för Bifrost.

Viktningen handledare:opponent (2:1) är en Bifrost-konvention för att spegla handledarens större roll i avhandlingsprocessen. Detta är inte etablerad bibliometrisk praxis.

Högskolor och universitet
16
Lärosäten 2025
Snitt: 10
76%
Top-3-andel 2025
Snitt: 79%

Insikter
47 lärosäten bidrar. Karlstads universitet dominerade med 535 publikationer (76 %). Näst störst: Göteborgs universitet (19), Linköpings universitet (16). Koncentrationsindex (HHI): 0.577.

Insikter 2025

Under 2025 bidrog 16 lärosäten (periodssnitt 9). Karlstads universitet dominerade med 56 publikationer (64 %) under fokusåret (74 % under perioden). Näst störst: Helsingfors universitet (6), Göteborgs universitet (5). 5 lärosäten tillkom som inte publicerat under föregående 3 år.

Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
Full räkning av publikationsförekomster
Begränsningar
  • Antalet visar förekomster som medforfattaraffilliering, inte unika publikationer. En publikation med tre medförfattare från samma institution räknas tre gånger.
  • Institutionsnamn har harmoniserats mot en intern namnlista. Omatchade varianter visas separat eller ingår inte.
  • Totalt 8 poster i rådata uteslöts från tabellen: 1 land-/ortsnamn (geografiska enheter, inte lärosäten), 7 manuellt verifierade som icke-lärosäten (known_unmapped), 4 avdelningar, fakulteter eller centra (mönsterbaserad filtrering). Detta berör varför antalet lärosäten i tabellen kan skilja sig från antalet unika affilieringar i datakällan.
Internationellt samarbete

Översikt av det internationella samarbetet baserat på medförfattarskap och affilieringar i publikationerna.

5
Samarbetsländer 2025
Snitt: 3
16%
Internationellt samarbete 2025
Snitt: 6%

Insikter
Hela perioden 2010–2025. 9 länder representerade i samarbeten. Finland, Storbritannien och Norge är vanligast. 6.2 % av publikationerna har internationella medförfattare — ökning från 3 % (2010–2017) till 7 % (2018–2025).

Insikter 2025

Under 2025 var 6 länder representerade (periodssnitt 3). 16 % av publikationerna hade internationella medförfattare (periodssnitt 6 %).

Samarbetsländer
Fördelning per år
Samförfattarskap per land

Baserat på medförfattares affilieringsland.

Nätverk och publikationer, geografiskt
16
Lärosäten i nätverket 2025
Snitt: 3
32%
Andel med flera lärosäten 2025
Snitt: 20%
5
Nya samarbetspartners 2025
Høgskolen i Innlandet, Aarhus University, Universitetet i Bergen, …

Lärosäten med lila kantlinje var aktiva under fokusåret 2025.

Insikter:
Nätverket omfattar 29 lärosäten med 47 samarbetsrelationer. Det starkaste samarbetet är mellan Göteborgs universitet och Karlstads universitet (19 gemensamma publikationer). Karlstads universitet har flest samarbetspartners (21 st).

Fokusår 2025:

16 lärosäten var aktiva under fokusåret. 5 nya lärosäten tillkom (Høgskolen i Innlandet, Aarhus University, Universitetet i Bergen, …). Starkaste fokusårssamarbetet: Helsingfors universitet och Karlstads universitet (6 sampublikationer).

Periodsöversikt

Samarbetsnätverket på kartan baseras på hela perioden 2010–2025.

Kartan visar främst samförfattarskap mellan lärosäten. Handledar-/opponentkopplingar redovisas som separata nätverksrelationer och kan vara färre, eftersom endast poster med tydlig institutionskoppling kan inkluderas.

29
Lärosäten i nätverket
2010–2025
47
Samarbetsrelationer
2010–2025
19
Sampublikationer: Göteborgs universitet – Karlstads universitet
2010–2025
Metod och begränsningar
Datakälla
DiVA + OpenStreetMap/Nominatim
Tidsperiod
2010–2025
Räknemetod
Full räkning — varje publikation räknas som en enhet
Begränsningar
  • Den internationella andelen beräknas enbart från författarnas affilieringsland. Konferensort, publiceringsland och annan metadata räknas inte som internationellt samarbete.
  • Landsanalys baseras på medförfattares affilieringsland. Full counting innebär att varje land i en sampublikation räknas en gång.
  • Nätverkskartan visar samarbetsrelationer mellan lärosäten baserat på samförfattade publikationer. Nodstorlek avspeglar antal samarbetspartners, kanttjocklek avspeglar samarbetsstyrka (Saltons cosine-index).
  • Baserat på författares affilieringsinformation. Ofullständiga affilieringsuppgifter kan påverka resultaten.
Ämnesområden
Ämneskategorier
57 av 57
Klassificerade publikationer 2025
Samhällsvetenskap (52%)
Största ämnesområde 2025
Snitt: Samhällsvetenskap (60%)
0.71
Rao–Stirling diversitet
Snitt: 0.70
*Publikationsvolymer skiljer sig naturligt mellan ämnesområden — jämförelser mellan kategorier kräver normalisering.

Insikter
Samhällsvetenskap dominerar (59 %). Ämnesbredden är stabil (2010–2025, H: 0.69 → 0.74). Forskningen är markant interdisciplinär — den kombinerar ämnesområden som är taxonomiskt avlägsna. Rao-Stirling: 0.696 (där 0 = enhetligt ämne, 1 = maximal spridning). Baserat på 4 HSV-huvudområden (UKÄ-klassificering). Rao-Stirling (Stirling, 2007)

Metod: diversitetsindex

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).

Nivå 1 (2010–2025)

Figuren visar hela perioden 2010–2025.

Insikter 2025

Under 2025 dominerade Samhällsvetenskap (50.0 % av publikationerna, periodssnitt 59.2 %). Lantbruksvetenskap och veterinärmedicin var helt frånvarande i fokusåret (periodssnitt 0.2 %).

Proportionell vy

Andel av totala publikationer per år (%). Notera att en publikation kan tillhöra flera kategorier.

Frekvens av kategori per år
Nivå 2 (2010–2025)

Insikter 2025

Under 2025 dominerade Utbildningsvetenskap (39.7 % av publikationerna, periodssnitt 44.7 %). Filosofi, etik och religion var överrepresenterad (21.9 % mot periodssnitt 10.7 %). Nya kategorier i fokusåret: Data- och informationsvetenskap. Följande var helt frånvarande i fokusåret: Annan humaniora och konst (periodssnitt 4.3 %); Ekonomi och näringsliv (periodssnitt 0.6 %); Geovetenskap och relaterad miljövetenskap (periodssnitt 0.4 %); Annan lantbruksvetenskap (periodssnitt 0.1 %); Biologi (periodssnitt 0.1 %); Matematik (periodssnitt 0.1 %); Psykologi (periodssnitt 0.1 %); Sociologi (periodssnitt 0.1 %).

Proportionell vy

Andel av totala publikationer per år (%). Notera att en publikation kan tillhöra flera kategorier.

Ämneskategorier nivå 2 (tabell)
Ämneskategorier nivå 2 (absoluta tal)
Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Klassifikationssystem
HSV/UKÄ (5 nivåer), OECD FoS (3 nivåer)
Räknemetod
Full räkning per kategori
Begränsningar
  • Utforska vilka ämneskategorier som finns representerade i datasetet. Notera att publikationer som regel har flera kategorier. Därför är det regel, inte undantag, att procentsatserna tillsammans utgör mer än 100%. Om x är 100% och y är 15% så betyder det att samtliga publikationer kategoriserats som x, och av dem har 15% också kategoriserats som y
  • En publikation klassificerad under flera ämnen räknas i samtliga kategorier. Summan överstiger därför antalet publikationer — detta är korrekt, inte ett fel.
  • Klassificeringen kan variera i precision mellan lärosäten och tidsperioder. Jämförelser bör göras med försiktighet.
  • Rao-Stirling-index beräknas på portföljnivå (andelarna ämneskodsförekomster i hela datasetet), inte som medelvärde av per-publikation-RS. Absoluta RS-värden är inte direkt jämförbara med benchmarks baserade på per-artikel-beräkningar eller andra klassifikationssystem.
Nyckelord
HSV-ämneskategorier har filtrerats bort från keywords

mathematics; learning

93
Unika nyckelord 2025
Snitt: 969
history education (8.8%)
Vanligaste nyckelord 2025
2010–2025: history education

Insikter
Bred nyckelordsprofil — ingen enskild term dominerar (HHI: 0.0024 — Herfindahl-Hirschman Index, där 0 = perfekt jämn fördelning, 1 = en term dominerar helt). Vanligast är “history education” som förekommer i 6.6 % av publikationerna, fördelat över totalt 969.

Ordmolnet visar nyckelord från fokusårets (2025) publikationer. Övriga analyser nedan baseras på hela perioden 2010–2025.

Färger indikerar frekvenskvantiler inom detta dataset.

Röd: Högsta frekvens (8.8-7.4%); Blå: Hög frekvens (7.4-6%); Grön: Medelhög frekvens (6-4.6%); Orange: Låg frekvens (4.6-3.2%); Grå: Lägsta frekvens (3.2-1.8%)

Hela perioden (2010–2025)

Färger indikerar frekvenskvantiler inom detta dataset.

Röd: Högsta frekvens (6.6-5.32%); Blå: Hög frekvens (5.32-4.04%); Grön: Medelhög frekvens (4.04-2.76%); Orange: Låg frekvens (2.76-1.48%); Grå: Lägsta frekvens (1.48-0.2%)

Nyckelordstrender
Top 10 nyckelord 2025 jämfört med 2024
Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
Full räkning — varje publikation räknas som en enhet
Begränsningar
  • Nyckelorden är en blandning av författartilldelade och automatiskt genererade termer. Konsekvens i indexeringen varierar mellan källor och tidsperioder.
  • Engelska nyckelord dominerar ofta. Publikationer på svenska eller andra språk är därför ofta underrepresenterade i frekvensanalyserna.
  • Nyckelord som förekommer i mer än 70 % av alla publikationer exkluderas automatiskt för att undvika att generiska termer dominerar analysen.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
Nyckelordstrender (2010–2025)

Trenderna nedan baseras på hela perioden 2010–2025.

Sjunkande nyckelord: historical consciousness, religious education

Nyckelordsinsikter
Statistiska trender (2010–2025)

Inga stigande trender identifierades. Nedan visas istället djupanalys av sjunkande keywords. Dessa kan indikera ämnesområden som minskar i aktualitet eller forskningsintresse.

Avtagande teman (2010–2025)
Historiska trender

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.

religion: historisk trend (2015–2016)

Burst-period: 2015–2016 (måttlig burst)

Toppår: 2016 (4 publ.)

Drivande aktörer under perioden:

  • Forskare: Niemi, Kristian (4 publ.), Dalevi, Sören (2 publ.), Plank, Katarina (1 publ.)
  • Lärosäten: Karlstads universitet (5 publ.)

Samvarierande keywords: religionsdidaktik, sverige, sweden

Nuvarande status: Potentiellt minskande

Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
Burstdetektering använder en automaton-modell implementerad via bursts-paketet. Metoden identifierar perioder med statistiskt signifikant ökad förekomst av enskilda nyckelord. Kleinberg (2003)
Begränsningar
  • Burstdetektering kräver minst 5–10 års data för tillförlitliga resultat. Korta tidsserier kan ge instabila eller missvisande burst-perioder.
  • Nyckelorden är en blandning av författartilldelade och automatiskt genererade termer. Konsekvens i indexeringen varierar mellan källor och tidsperioder.
  • Engelska nyckelord dominerar ofta. Publikationer på svenska eller andra språk är därför ofta underrepresenterade i frekvensanalyserna.
  • Nyckelord som förekommer i mer än 70 % av alla publikationer exkluderas automatiskt för att undvika att generiska termer dominerar analysen.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
Samförekomst av nyckelord (2010–2025)

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).

Heatmappen visar samförekomst-styrkan för alla parvisa kombinationer av de vanligaste nyckelorden, inklusive svaga relationer. Den är en fullständig N×N-matris. Nyckelordsnätverket nedan kompletterar bilden: det visar klusterstruktur genom backbone-filtrering som döljer svaga kanter för att framhäva de starka mönstren — de två visualiseringarna mäter samma sak men belyser olika aspekter.
Mest samförekommande nyckelordspar
Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
Samförekomstmatrisens styrka beräknas med association strength: c_ij / (s_i × s_j / 2m), där s är dokumentfrekvens och m är summan av parvisa samförekomster. Van Eck et al. (2009)
Begränsningar
  • Association strength normaliseras enligt Van Eck & Waltman (2009): AS(i,j) = c_ij / (c_i × c_j / 2m), där c_ij är dokumentfrekvensen för paret, c_i och c_j är dokumentfrekvenserna för de enskilda nyckelorden och m är summan av samförekomster över unika par (övre triangeln av samförekomstmatrisen). Van Eck et al. (2009)
  • Samförekomst räknas per dokument (whole counting). Bråkdelsräkning tillämpas inte på nyckelordsnivå — ett medvetet val eftersom nyckelorden är kontrollerade termer (SwePub) respektive extraherade koncept (OpenAlex), inte fritextförfattarnamn.
  • Heatmappen visar de 15 mest förekommande nyckelorden (sorterade efter dokumentfrekvens). Nyckelord under minimifrekvenströskeln exkluderas. Antalet kan justeras i rapportkonfigurationen.
  • Signifikanstestning använder hypergeometrisk fördelning på parnivå. Ingen korrigering för multipel testning tillämpas — analysen är explorativ, inte konfirmativ.
  • Heatmappen förblir läsbar upp till top_n ≤ 25. För större datamängder — se även nyckelordsnätverket.
  • Färgskalan på heatmappen klipps vid 95:e percentilen av observerade associationsstyrkor. Associationsstyrka med 2m-skalning är matematiskt obegränsad uppåt: sällsynta nyckelordspar med låga enskilda dokumentfrekvenser kan ge extrema värden som annars dominerar skalan och gör övriga celler osynliga. Faktiska maxvärden visas i tabellen över toppar.
  • Grafbaserade visualiseringar degraderar för stora nätverk (Van Eck & Waltman, 2014, s. 288–289). Heatmappen är designad för top-N par; nätverksgrafen använder backbone-filtrering för att hantera större nätverk. Van Eck et al. (2014)
  • Nyckelorden är en blandning av författartilldelade och automatiskt genererade termer. Konsekvens i indexeringen varierar mellan källor och tidsperioder.
  • Engelska nyckelord dominerar ofta. Publikationer på svenska eller andra språk är därför ofta underrepresenterade i frekvensanalyserna.
  • Nyckelord som förekommer i mer än 70 % av alla publikationer exkluderas automatiskt för att undvika att generiska termer dominerar analysen.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
Nätverksdiagram, nyckelord

Nyckelord som ofta förekommer tillsammans i samma publikationer bildar tematiska kluster. Tabellen nedan sammanfattar klustren; den interaktiva grafen visar relationerna visuellt.

Nätverket visar klusterstruktur och nätverksposition: backbone-filtrering behåller de statistiskt signifikanta kanterna och döljer svaga relationer för att framhäva de starka mönstren. Samförekomst-heatmappen ovan kompletterar bilden: den visar hela N×N-matrisen för de vanligaste nyckelorden, inklusive svaga par som inte syns i nätverket.
Nätverket nedan baseras på fokusårets 57 publikationer 2025

Begränsat underlag — nätverket inkluderar även enstaka samförekomster och bör tolkas med försiktighet.

Hela perioden (2010–2025)

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).

Klusteröversikt
Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
Samförekomstmatrisens styrka beräknas med association strength: c_ij / (s_i × s_j / 2m), där s är dokumentfrekvens och m är summan av parvisa samförekomster. Van Eck et al. (2009)
Begränsningar
  • SDSM-filtret testar varje keywords-par mot en stokastisk nollmodell som kontrollerar för både nyckelordsfrekvens och antal nyckelord per publikation. Kanter som inte avviker signifikant tas bort. Neal (2022)
  • Kluster detekteras med Leiden-algoritmen Traag et al. (2019), som identifierar tematiska grupper där nyckelord samvarierar starkare inom gruppen än mellan grupper.
  • Nätverket begränsas till de mest frekventa nyckelorden (top N). Sällsynta nyckelord exkluderas, vilket kan dölja framväxande ämnesområden.
  • Backbone-filtrering tillämpas adaptivt: under 50 noder ingen filtrering, 50–99 noder kvantiltröskel (median), 100–149 noder disparity-filter α=0,20, ≥ 150 noder α=0,10. Gränserna är ingejörsheuristik, inte metodologiskt grundade.
  • Grafbaserade layouter degraderar för stora nätverk (Van Eck et al., 2014). Över 200 noder beror den visuella tydligheten på backbone-filtrering och nod-nedskärning. Statistik (centralitet, klustertillhörighet) beräknas alltid på fullständig graf.
  • Antalet nyckelord i nätverket anpassas efter materialet: cirka 30 % av de unika nyckelorden tas med, dock minst 60 och högst 250. Av dessa visas initialt cirka 65 % (minst 30, högst 70 noder) för att hålla grafen läsbar. Övriga nyckelord kan läggas till via reglaget under grafen. Gränserna finns för att undvika både glesa och överbelastade nätverk.
  • Nyckelorden är en blandning av författartilldelade och automatiskt genererade termer. Konsekvens i indexeringen varierar mellan källor och tidsperioder.
  • Nyckelord på svenska och engelska blandas utan separering. Lemmatisering tillämpas inte: ‘learning’ och ‘learners’ behandlas som separata nyckelord. Detta är ett medvetet val för kontrollerade termer, inte en brist — men påverkar koncentrationen kring engelskspåkiga begrepp.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
Ordfrekvens

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.

Ordfrekvenserna nedan baseras på samtliga publikationer i perioden 2010–2025.

2 231
Unika ord 2025
2010–2025: 8953
education (28.1%)
Vanligaste ord 2025

Insikter 2025

De 5 vanligaste orden i fokusårets publikationer (2025) är: “education” (28%), “social” (25%), “school” (21%), “swedish” (21%), “history” (19%). Jämfört med hela perioden (2010–2025) har dessa ord förändrats i relativ frekvens. Observera att geografiska markörer som “swedish” är vanliga i akademiska metadata och speglar publikationernas nationella anknytning snarare än forskningsämnet.

Ordfrekvensstabell

Notis: Datasetet innehåller 8953 rader. För bästa prestanda visas endast de 8000 med högst frekvens i tabellen.

Ifall du vill undersöka frevkensen av några särskilda ord mer noggrant, ange dem i variabeln ‘to_stem’.

Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2010–2025
Räknemetod
Full räkning — varje publikation räknas som en enhet
Begränsningar
  • Ordfrekvenser härleds ur titlar och abstracts i datamängden. Stoppord på svenska och engelska filtreras bort före beräkning.
  • Analysen är språkberoende och sammanslår inte synonyma termer på olika språk. Ingen stemming eller lemmatisering utförs — ordformer räknas separat.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
Ordfrekvenstrender

Trenderna baseras på hela perioden 2010–2025. Fokusårets genombrott och förändringar visas sist i sektionen.

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.

Tematiska genombrott 2025 2025

Dessa ord blev plötsligt vanligare under fokusåret jämfört med sin historiska nivå, vilket kan indikera framväxande forskningsinriktningar.

olika, dimensions, finns, gäller, nordic, religious, också, första, documents, bygger

…och 22 ord till

Förändringar 2025 vs 2024

Ord med störst förändring i andel av publikationer mellan fokusåret och föregående år.

Ökande: olika, nordic, religion, social, del, transformation, ge, individual, kommer, age

Minskande: teaching, learning, thinking, disciplinary, svensk, history, narrative, narratives, basic, bergslagen

Årsjämförelsen baseras på två enskilda år och är känslig för slumpvariation. Tolkningsförsiktighet rekommenderas.

Impact och tillgänglighet
Citeringar

Analysen nedan sammanfattar citeringar i datasetet och visar trender över tid, per forskare och för de mest citerade verken.

Informationen om publikationer har hämtats från DiVA och berikats med citeringsdata från OpenAlex.

Notera:
Citeringsdata är ackumulerade totalsummor hämtade från OpenAlex — de visar hur många gånger varje publikation citerats sedan den publicerades. Publikationer från senare år har haft kortare tid att ackumulera citeringar, vilket bör beaktas vid jämförelser mellan år. Citeringsanalysen omfattar hela perioden, inte bara fokusåret — till skillnad från övriga avsnitt.

Om jämförbarhet:
Fältnormerade percentiler från OpenAlex (normerat mot år, publikationstyp och ämnesområde). 57 publikationer (10 %) är från de senaste 2 åren och kan ha underskattade percentiler.

Om FWCI (citeringsgenomslag)

FWCI (Field-Weighted Citation Impact) mäter hur mycket en publikation citerats jämfört med vad som är förväntat för just den typen av forskning, publiceringsåret och ämnesområdet, internationellt sett. FWCI = 1,0 är det förväntade värdet: det antal citeringar som är typiskt för liknande publikationer globalt. Under 1,0 innebär färre citeringar än förväntat; 1,5 innebär 50 % fler; 2,0 innebär dubbelt så många. Normalisering mot fält är nödvändig eftersom citeringskulturen skiljer sig kraftigt. Medicin citerar mer frekvent än matematik, vilket gör direkta jämförelser missvisande. Data kommer från OpenAlex. Observera att ett fåtal enskilda högt citerade publikationer kan dra upp siffran markant, och att måttet kräver tillräckligt underlag (minst 10 publikationer med citeringsdata).

Om PP(topp 10 %), citeringsgenomslag

PP(topp 10 %) mäter andelen av en grupps publikationer som tillhör de 10 % mest citerade i sitt ämnesområde och publiceringsår, internationellt sett. Referensvärdet är 10 %: om en grupp publicerade helt genomsnittligt skulle just 10 % hamna bland de översta. Över 10 % innebär att en större andel än förväntat får hög citeringsgenomslag; under 10 % innebär det motsatta. Måttet är fältnormaliserat, vilket innebär att varje publikation jämförs med andra publikationer i samma ämne och år. Det undviker därmed problemet att exempelvis medicinsk forskning generellt citeras mer än matematisk. Data kommer från OpenAlex. Observera att små dataset kan ge stora slumpmässiga variationer, och att nyligen publicerade artiklar ofta saknar tillräcklig citeringshistorik för en rättvisande placering.

Citeringstäckning:
Citeringsdata kunde bara hämtas för 23 % av publikationerna (128 av 547). Citeringsindikatorerna bör tolkas med stor försiktighet eftersom de representerar en liten del av datasetet.

Citeringar visar hur ofta andra forskare refererar till dessa publikationer i sina egna verk. Höga citeringstal indikerar att forskningen har fått genomslag inom sitt fält.

22%
Citeringstäckning
119 / 547
88.6
Medianpercentil (fältnorm.)
Topp 1 %: 6.7%
⚠ 57 publ. < 2 år
43.7%
Topp 10 %
Kompletterande mått

FWCI (Field-Weighted Citation Impact) är kvoten mellan faktiska och förväntade citeringar, normerat mot år, publikationstyp och ämnesfält (OpenAlex subfield). FWCI = 1,0 innebär att publiceringarna citerats i linje med världsgenomsnittet för sitt fält. Till skillnad från percentilmåtten är FWCI känsligt för enskilda högt citerade publikationer — två enheter med samma PP(topp 10 %%) kan skilja sig i FWCI om den ena har några få mycket högt citerade verk.

Genomsnittlig FWCI: 4.46

Baserat på 119 publikationer med FWCI-data

Citeringsprofil — percentilfördelning över tid

Diagrammet visar andelen publikationer i olika citeringspercentiler per år, baserat på fältnormaliserade percentiler från OpenAlex. Publikationer från de senaste 2 åren exkluderas på grund av ofullständig citeringsackumulering.

Citeringsgenomslag per Open Access-status

Diagrammet jämför det genomsnittliga fältnormaliserade citeringsgenomslaget (FWCI) för publikationer med olika Open Access-status. Referenslinjen markerar världsgenomsnittet (FWCI = 1,0). FWCI kräver minst 10 publikationer per kategori.

Citeringsgenomslag per samarbetstyp

Diagrammet jämför citeringsgenomslag för publikationer med internationellt samarbete, inhemskt samarbete och enförfattarpublikationer. Internationellt samarbete definieras som publikationer med författare från fler än ett land.

Citeringsfördelning per år

Boxplottet visar fördelningen av fältnormaliserat citeringsgenomslag (FWCI) per publikationsår. Streckad linje markerar världsgenomsnittet (1,0). Publikationer från de senaste 2 åren exkluderas.

Insikter
547 publikationer har totalt 1 338 citeringar (median 0.0/publikation, snitt 2.4/publikation). 83.5 % är ociterade. Mest citerad (109 cit): Gericke, Niklas;Hudson, Brian;Olin-Scheller, Christina;Stolare, Martin (2018). Powerful knowledge, transformations and the need for empirical studies across school subjects. London Review of Education. https://doi.org/10.18546/LRE.16.3.06 Det fältnormaliserade citeringsgenomslaget (FWCI) är i genomsnitt 4.91 (baserat på 99 publikationer). Trenden är minskande.

Citeringar över tid: mest citerade publikationer

Diagrammet visar hur citeringar fördelar sig över publiceringsår. Notera att äldre publikationer har haft längre tid att ackumulera citeringar.

Grå staplar markerar de senaste två årens publikationer, vars citeringsdata är ofullständiga — dessa har inte hunnit ackumulera citeringar i samma utsträckning som äldre publikationer.

Citeringsgenomslag per forskare över tid

Diagrammet visar det fältnormaliserade citeringsgenomslaget (FWCI) för de mest citerade forskarna, med treårigt rullande medelvärde. Streckad linje markerar världsgenomsnittet (FWCI = 1,0). Inkluderar forskare med minst 5 publikationer som spänner minst 3 år.

Mest citerade publikationer
Metod och begränsningar
Datakälla
DiVA + OpenAlex (hämtad 2026-04-28)
Tidsperiod
2010–2025
Citeringsmått
Fältnormerad percentil (0–100), PP(topp 10 %), PP(topp 1 %)
Räknemetod
Ej tillämplig — ett citeringstal per publikation
Begränsningar
  • Median används som primärt centralmått eftersom citeringsfördelningar är kraftigt snedfördelade. Medelvärde visas som kompletterande kontext.
  • Nyare publikationer har haft kortare tid att ackumulera citeringar (fönstereffekten). Lägre tal för nya publikationer är förväntat och indikerar inte lägre kvalitet.
  • Fältnormalisering baseras på OpenAlex percentiler, beräknade mot år, publikationstyp och OpenAlex algoritmiska ämnesindelning (ca 250 subfields). Denna indelning är inte identisk med HSV/UKÄ eller OECD FoS — den bygger på automatiserad klustring, inte manuell klassificering. Percentilerna är därför inte direkt jämförbara med ämnesfördelningen i övriga delar av rapporten.
  • OpenAlex täckning varierar mellan ämnen. Humaniora och nationella tidskrifter är underrepresenterade, vilket kan påverka percentilvärden.
  • OpenAlex percentiler räknas om löpande. Värden kan förändras retroaktivt när databasen uppdateras.
  • Full räkning används: varje publikation räknas en gång oavsett antal medförfattare. För enheter med hög samarbetsgrad kan detta ge högre citeringstal än fraktionerad räkning. Fraktionerad räkning är inte möjlig med tillgänglig API-data.
  • Självcitering särskiljs inte — citeringstal inkluderar både externa och egna citeringar. För små dataset kan självciteringsandelen vara betydande. Exkludering av självcitering rekommenderas i litteraturen men kräver detaljerade citeringsdata som inte är tillgängliga via nuvarande pipeline. Waltman et al. (2019)
  • Citeringstalen är inte tidsjusterade: äldre publikationer har haft mer tid att ackumulera citeringar. Direkta jämförelser av citeringstal mellan publikationsår bör tolkas med försiktighet. Adams (2018)
  • Citatbaserade tidsserier är Type 1-serier (diachronous): nyare publikationsår har kortare citeringsperiod, vilket skapar en strukturell nedgång i slutet av serien — inte nödvändigtvis en reell förändring. Adams (2018)
  • Indikatorerna i denna sektion är citizen bibliometrics — lämpliga för interna jämförelser inom samma ämnesområde men inte för tvärdisciplinära jämförelser utan fältnormalisering. Bornmann et al. (2018)
Open Access
81%
OA-andel 2025
2024: 79%
Snitt: 60%
5%
Green OA
2010–2025
-19 p.e.
OA-förändring
2025: 81%
2010: 100% 2010–2025

OA-analysen baseras på 128 publikationer med DOI som matchats mot OpenAlex (23% av totalt 547). 416 publikationer saknar DOI och ingår därför inte i OA-statistiken.

Förklaring av Open Access-kategorier
  • Gold OA: Publicerad i en helt öppen tidskrift (oftast med publiceringskostnad/APC).
  • Green OA: Fritt tillgänglig via ett öppet arkiv (t.ex. lärosätets repositorium), typiskt efter en embargoperiod på 6–12 månader, även om tidskriften inte är öppen.
  • Hybrid: Publicerad som öppen artikel i en annars prenumerationsbaserad tidskrift (oftast med APC).
  • Bronze: Fritt läsbar på förlagets webbplats men utan tydlig öppen licens (kan försvinna). Räknas inte i OA-andelen eftersom det saknas formell öppen licens (BOAI/Berlindeklarationen).
  • Diamond: Publicerad i en tidskrift som är helt öppen utan författaravgifter (APC). Ofta finansierad av institutioner eller organisationer.
  • Closed: Inte fritt tillgänglig — kräver prenumeration eller köp.

Insikter
OA-andelen gick från 100 % till 81% (19 procentenheter) under perioden 2010–2025. Hybrid stod för den största ökningen (+17.3 procentenheter). Green OA utgör 4.7 % 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 26.6 %.

Insikter 2025

Open access-andelen 2025 var 81% (periodsnitt: 67%)
Fördelning 2025: 29% guld, 0% grön, 41% hybrid

Open Access-typer över tid
Öppen/stängd per år (absolut)

Notera:
125 av 131 publikationer med DOI matchades mot OpenAlex och fick OA-status (95.4%). 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.

Metod och begränsningar
Datakälla
DiVA + OpenAlex (Unpaywall) Piwowar et al. (2018)
Tidsperiod
2010–2025
Räknemetod
Full räkning — varje publikation räknas som en enhet
Begränsningar
  • OA-status hämtas från OpenAlex (baserat på Unpaywall) och kan avvika från förlagets aktuella status. Retroaktiva förändringar i OA-status fångas inte alltid upp.
  • Tidsserien för Green OA visar nulägets andel per publiceringsår — inte när artikeln faktiskt blev öppet tillgänglig. Retroaktiv självarkivering (backfilling) innebär att äldre år kan visa högre Green OA-andel än vid publiceringstillfället.
  • OA-data hämtas från OpenAlex/Unpaywall. Täckningen är ofullständig — verklig OA-andel kan vara högre än rapporterat, särskilt för äldre publikationer och för material arkiverat i system utanför Unpaywall.
  • Bronze OA (fritt läsbar utan öppen licens) exkluderas från OA-andelen sedan Bifrost v0.8.0, i enlighet med BOAI/Berlindeklarationens krav på öppen licens. Jämförelser med rapporter genererade med äldre versioner kan visa lägre OA-andelar för samma period. Bronze visas fortfarande i diagram och tabeller.
  • Konfidensintervall för OA-andelar beräknas med Wilson score-metoden, vilken ger tillförlitliga intervall även vid små urval. Wilson (1927)
Publikationer
Avhandlingar

Första doktorsavhandlingen i datasetet är från år 2011, Kommunala ideal och politisk verklighet. : En jämförande fallstudie av frisinnad politisk organisering i Filipstad och Skövde, ca 1880-1920. Forsell, Anders. Sedan dess och fram till 2025 har totalt 18 avhandlingar registrerats. Av dem är 10 doktorsavhandlingar och 8 licentiatavhandlingar.

1
Avhandlingar 2025
Dr: 1, Lic: 0 2024: 0
Snitt: 1
Visar 2025 (1 avhandling)
Hela perioden (2011–2025, n=18)
Handledare
Opponenter
Metod och begränsningar
Datakälla
DiVA
Tidsperiod
2011–2025
Räknemetod
Full räkning — varje publikation räknas som en enhet
Begränsningar
  • Avhandlingsdata hämtas från vald datakälla. Uppgifter om typ, handledare och opponent är beroende av hur den registrerande institutionen har angivit informationen.
  • Täckningen kan vara ofullständig: avhandlingar som inte registrerats i datakällan syns inte i analysen. Historiska avhandlingar är ofta underrepresenterade.
  • Data speglar publiceringsaktivitet registrerad i DiVA och kan avvika från lärosätets interna statistik.
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.

Visar: 2025 (57 st)
Hela perioden (2010–2025, n=547)

2025 Exportfilerna innehåller enbart fokusårets (2025) publikationer (57 st).


Metodreferenser

Adams, J (2018). Information and misinformation in bibliometric time-trend analysis. Journal of Informetrics, 12(4), 1063–1071. https://doi.org/10.1016/j.joi.2018.08.009

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

Waltman, L., & Van Eck, N. J (2019). Field Normalization of Scientometric Indicators. In Springer Handbook of Science and Technology Indicators (pp. 281–300). https://doi.org/10.1007/978-3-030-02511-3_11

Wilson, E. B (1927). Probable inference, the law of succession, and statistical inference. Journal of the American Statistical Association, 22(158), 209–212.