The Use of Lexical Bundles in English Language Academic Writing among University Learners: A Systematic Literature Review
Notice bibliographique
Résumé
Lexical bundles have been widely studied in English academic writing, but not as extensive in university learners’ academic writing. This study conducted a systematic review of the literature on lexical bundles in academic writing among university learners from 2017 to 2022 to describe the directions of and limitations of recent studies on how lexical bundles influence the fluency and coherence of academic writing among university learners. The review relied on two major databases, Scopus and Web of Science, and adhered to the PRISMA 2020 guidelines. The study analyzed 28 articles them based on three content-based themes: the research context, the research contents, and the research objectives. Recent research on lexical bundles in academic writing among university students 1) lacks an in-depth analysis of specific functions, such as text-oriented bundles, which predominate and play an important coherence role in more advanced academic writing; 2) addressing the analysis of lexical bundles solely through a phraseological lens fails to account for their genre-specific characteristics. It is crucial to merge insights from both genre and phraseology for a thorough analysis; 3) comparing the academic writing of native English-speaking learners, that of university learners in East Asia and the Middle East are unevenly distributed and limited in scope. There is limited research on academic writing at higher academic levels, university learners in Southeast Asia, and cross-regional comparative studies.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».