STEAM and English For Specific Purposes: Online Courses For Brazilian Students In Technology
Notice bibliographique
Résumé
Nowadays, we have an increase in informal online courses in Brazil with a variety of subjects, according to the student’s needs and interests. These informal courses could complement the knowledge learned in schools and universities, associating formal and informal learning, as defended by the Education 4.0 model. Additional languages, especially the English language, represent a great part of these courses as our society now understands the importance of English in a digital and technological world. English for Specific Purposes (ESP) is an area of English teaching-learning that takes into consideration the student’s needs in the curriculum design, focusing on a context where learners will use the language in real life. This area is also interdisciplinary because it connects linguistic structures with professional fields. For this reason, STEAM (Science, Technology, Engineering, Arts, and Mathematics) education could be an interesting approach in ESP courses by providing an integrative method. Thus, this paper aims to analyze three informal online English courses designed for Brazilian students/professionals in Technology, considering the ESP and STEAM approaches, and compare them with university learners’ needs. After the analysis, we understand in this paper that informal English courses, particularly ESP ones, should be designed by an interdisciplinary group of professionals, such as language teachers and specialists in the area, in order to show a meaningful learning experience. Besides, it is important to go beyond a list of vocabulary, integrating the four language skills and working with genres connected to the student’s own area of study.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».