Research Progress and Trend of Business English Writing Instruction in China (2002-2021): A Bibliometric Analysis
Notice bibliographique
Résumé
Using the visual analysis instrument of China National Knowledge Infrastructure (CNKI) and CiteSpace, this study makes a bibliometric analysis and visual presentation of the literatures on Business English Writing Instruction in China during the last two decades (2002-2021). The examination of the number of published articles, authors and institutions, highly referenced papers, and keywords reveals that: (1) the number of published articles increases with the constant development of the business English major. It steadily reduced after reaching its peak but remained at a high level. (2) The distribution characteristics of authors and institutions are similar, which means that no single author or institution has an absolute edge in terms of the quantity of papers. (3) Although majority of the highly cited literatures are from CSSCI, the overall quality of the 433 articles chosen is not very high. (4) The research hotspots are mostly concerned with teaching content and methods, teaching mode and design, and Business English writing education in higher vocational colleges. (5) The research development process is generally divided into three stages: early investigation, prosperity and development, and sustainable development. Continuing research into Business English Writing Instruction will require that researchers conduct follow-up studies, increase quantitative analysis, and broaden the scope of research samples in order to better serve Business English majors in China as well as improve the quality of business English writing research in China.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,067 | 0,038 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».