A scientometric analysis of the thematic structure and analysis of the convergence mapping of medical education.
Year: 2025
Type: article
Abstract: This study investigates the thematic structure and conceptual dynamics of research in medical education using scientometric and network analysis approaches. Despite the growing volume of literature in this field, few studies have comprehensively mapped its evolving patterns and interdisciplinary connections. To address this gap, a descriptive-analytical method was employed, focusing on two time periods: 2001–2010 and 2016–2025. Articles indexed in the Web of Science (WoS) database formed the statistical population, selected due to WoS’s comprehensive and interdisciplinary coverage. A keyword-based search strategy was developed through expert consultation and refined with artificial intelligence tools. Data from over 56,000 articles were collected, cleaned, and standardized using PreMap Ravar software. Core keywords were identified through Bradford’s law, and thematic structures were visualized using VOSviewer, Ucinet, and NetDraw software. The study analyzed word co-occurrence patterns, thematic clusters, and centrality indices to uncover key research areas and conceptual shifts over time. Findings reveal a growing interdisciplinary trend in medical education, with increasing integration of fields such as information technology, management, and artificial intelligence. Emerging topics include virtual education, simulation, evidence-based learning, and interprofessional collaboration. The analysis also highlights the expanding global interest in network-based evaluation of scientific fields.This research contributes to a deeper understanding of the intellectual landscape of medical education and provides valuable insights for researchers, policymakers, and educators. It underscores the importance of network analysis in mapping complex research domains and guiding strategic development in academic and institutional contexts. Este estudio investiga la estructura temática y la dinámica conceptual de la investigación en educación médica utilizando enfoques cienciométricos y de análisis de redes. A pesar del creciente volumen de literatura en este campo, pocos estudios han mapeado exhaustivamente sus patrones evolutivos y conexiones interdisciplinarias. Para abordar esta brecha, se empleó un método descriptivo-analítico, centrándose en dos períodos de tiempo: 2001-2010 y 2016-2025. Los artículos indexados en la base de datos Web of Science (WoS) formaron la población estadística, seleccionada debido a la cobertura integral e interdisciplinaria de WoS. Se desarrolló una estrategia de búsqueda basada en palabras clave mediante consulta con expertos y se refinó con herramientas de inteligencia artificial. Los datos de más de 56,000 artículos se recopilaron, depuraron y estandarizaron utilizando el software PreMap Ravar. Las palabras clave principales se identificaron mediante la ley de Bradford, y las estructuras temáticas se visualizaron utilizando el software VOSviewer, Ucinet y NetDraw. El estudio analizó patrones de coocurrencia de palabras, grupos temáticos e índices de centralidad para descubrir áreas de investigación clave y cambios conceptuales a lo largo del tiempo. Los hallazgos revelan una creciente tendencia interdisciplinaria en la educación médica, con una creciente integración de campos como las tecnologías de la información, la administración y la inteligencia artificial. Los temas emergentes incluyen la educación virtual, la simulación, el aprendizaje basado en la evidencia y la colaboración interprofesional. El análisis también destaca el creciente interés global en la evaluación en red de los campos científicos. Esta investigación contribuye a una comprensión más profunda del panorama intelectual de la educación médica y proporciona información valiosa para investigadores, legisladores y educadores. Subraya la importancia del análisis de redes para el mapeo de dominios de investigación complejos y la orientación del desarrollo estratégico en contextos académicos e institucionales.
Author: Mohammad Bagher Negahban
Institution: Persian Gulf University
Language: English
Subfield: Statistics, Probability and Uncertainty
Field: Decision Sciences
Domain: Social Sciences
SDG: Quality education
Open Access status: diamond
OpenAlex ID: W7075865849
FWCI:
Cites:
Cited by:
Related to: