Research development of teachers' emotional intelligence in the 21st century: A bibliometric analysis
Notice bibliographique
Résumé
Emotional intelligence (EI) has been recognized as a critical factor in shaping teachers' teaching effectiveness, classroom management, professional well-being, and mental health. As a key psychological construct in the teaching profession, teacher emotional intelligence (TEI) has received increasing scholarly attention in recent years. This study employs bibliometric analysis to quantitatively and visually analyze 258 academic publications on TEI from the WOS core databases in the 21st century. The study reports some bibliometric characteristics of these publications, in which it found that the number of annual publications over the years went through two distinct phases: a nascent and early exploratory period (2000-2018) and a rapid growth period (2019-2023). Spain and China emerged as leading contributors, while Canada's studies demonstrated the highest citation impact (average citations per article). The study also shows other valuable information such as the primary sources of publications, the most prolific authors and institutions, and the most cited publications, etc. Moreover, the relationships among items of publications and keywords were identified and analyzed to present the research status of this field. "Burnout", "job satisfaction" and "self-efficacy" are the high-frequency and core keywords. It can be found that research on TEI has constantly evolved into more diverse themes in the 21st century, with "EI", "higher education" and "engagement" being consistent themes across different development periods. Notably, topics like "support", "mindfulness" and "intention" are emerging, expected to continue gaining intention. Based on data analysis and literature reading, this article provides several possible directions for future research in TEI.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,037 | 0,163 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».