Applying VOSviewer in a bibliometric review on English language teacher education research: an analysis of narratives, networks and numbers
Notice bibliographique
Résumé
The purpose of this article is to promote researcher agency to use bibliometric analysis for professional development. To achieve this aim, this paper provides an overview of academic research, by conducting a bibliometric review on English language teacher education between 1946 and 2022. With the aid of the VOSviewer software tool, this bibliometric review analysed 2594 Scopus-indexed documents related to English language teacher education. Rui Yuan from Hong Kong, China, was the most productive researcher. Karen E. Johnson (USA), Icy Lee (HK) and Thomas S.C. Farrell (Canada) were identified as the other three most influential researchers in English language teacher education. Also, the analysis showed three frequently discussed topics at different times: ‘teacher beliefs’ which appeared at Phase 3 (2010–2019) and Phase 4 (2020–2022), ‘pre-service teachers’ at Phase 2 (2000–2009), Phase 3 (2010–2019) and Phase 4 (2020-2022), and ‘reflective practice’ at Phase 1 (1946-1999), Phase 3 (2010–2019) and Phase 4 (2020–2022). The study uncovered several emerging topics, namely ‘sociocultural theory’, ‘teacher agency’, ‘online teaching’, and ‘higher education’. These findings contribute to a better understanding of English language teacher education. The information and data gained from a bibliometric review may help early-career researchers, postgraduate students, and experienced researchers exercise their agency in framing and strategising their research trajectories.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,113 | 0,314 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,139 | 0,205 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».