Notice bibliographique
Résumé
English for Academic Purposes (EAP) and English for Specific Purposes (ESP) are language training pathways for students to meet target language proficiency requirements towards further tertiary studies (Keefe & Shi, 2017; Walková & Bradford, 2022). Yet, these can be highly debatable terms, controversial over their appropriate usage (Flowerdew, 2016; Li, 2020; Maleki, 2008; Mpofu & Maphalala, 2021; Wette, 2018). A main reason for this discord is a lack of firm definitions between these two constructs, which leads to vague and blurred boundaries. This article will describe the process where a small western Canadian university modified an existing EAP course consisting of broad reading and writing topics into an ESP one with a narrow culturally and medically themed focus towards internationally educated nurses (IENs). These modifications assisted in the identification of the similarities and differences of both EAP and ESP for the institution. The new ESP course, piloted over two terms was found to have strengthened student outcomes in their non-native target language, commonly known as L2 (Saville-Toike, 2012) while their disciplinary knowledge contributions also enriched the curriculum. Rooted within the debate between determining appropriate language pathways, recommendations to determine the suitability of an EAP versus an ESP course within a “negotiated syllabus” utilizing learner input are offered (Breen & Littlejohn, 2000; Prior, 2020).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,208 | 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 ».