Lexical Bundles in English Language Textbooks: A Systematic Review
Notice bibliographique
Résumé
Lexical bundles (LBs) are recurrent continuous sequences of two or more words that frequently appear in discourse. Acquiring these bundles helps compensate for short-term memory limitations, supports efficient language processing, and promotes both comprehension and production in English. Lexical bundles can be learned through English language (EL) textbook input. Numerous researchers advocate for the inclusion and emphasis of native-like lexical bundles in EL textbooks; however, relatively few studies have evaluated lexical bundles in these textbooks. This study seeks to review the literature on lexical bundles in EL textbooks over the past two decades (2004-2024) to identify research trends and gaps. The review relied on three databases: Web of Science Core Collection, Scopus, and ERIC. After a rigorous screening process, 18 relevant studies were identified and coded based on study identification, language context, research aims, textbook types, methodologies, target lexical bundles, and main findings (cf. Appendix A). The findings recommend future research in this domain continue to employ the corpus-assisted method to investigate lexical bundles in EL textbooks and conduct a comprehensive evaluation using multiple analytical dimensions to explore three- and four-word bundles in foundational-level English for General Purposes (EGP) textbooks and English for Specific Purposes (ESP) textbooks.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 ».