Enhancing Language Learning through PBL in an Aviation Engineering Class
Notice bibliographique
Résumé
English for specific purposes is a field of teaching and learning that focuses on English language skills in context. It bridges the gap between general language knowledge and specific communication skills to enable students to meet the demands of their future professional field. For instance, aviation maintenance engineering requires the knowledge of highly specialized terminology. By providing appropriate and relevant linguistic tools, ESP enables aviation students to successfully perform job-related tasks and become more professionally competent within the aviation industry. While ESP has a role in improving language learning, the student’s experience can be further enhanced by incorporating Project-Based Learning into the curriculum to make learning more meaningful through inquiry-driven, task-based, and problem-solving paradigms. One key advantage of ESP in this regard is its adaptability, which means it can be adapted into a functional course. According to Dudley-Evans and St Johns (1998): “ESP was, for example, very influential in showing how a communicative language curriculum could be turned into either a functional-notional syllabus or a task-based syllabus” (Dudley-Evans & St Johns, 1998). The purpose of this article is to demonstrate a PBL method used in an ESP class aimed at aircraft maintenance engineers. The project involves students assembling a model aircraft jet engine. The goal of the project is to help students develop adequate knowledge about aircraft jet engines by acquainting them with the names and functions of the engine’s parts and also teaching them about its complex operation. Moreover, the project trains students on how to log their in-class activities into a weekly log that tracks their progress. At the end of the project, students reflect on their experience by completing a questionnaire that evaluates the outcomes of their learning. This helps the instructor assess the effectiveness of the project on the student’s language learning.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».