Mathematical modelling of linguistic processes in professional vocabulary acquisition among engineering students

Abstract

У статті розглядається потенціал математичного моделювання для опису та прогнозування засвоєння професійної англомовної лексики студентами інженерних спеціальностей. Дослідження ґрунтується на припущенні, що розвиток лексичної компетентності в межах English for Specific Purposes не є строго лінійним процесом, а має динамічний і ймовірнісний характер, зумовлений повторюваністю мовного впливу, когнітивною інтерференцією, контекстуальним підкріпленням і частковим забуванням. У цьому контексті метою статті є розроблення та валідація стохастичної моделі, яка відображає динаміку засвоєння спеціалізованої лексики у технічній вищій освіті. Дослідження базується на моделі дискретного ланцюга Маркова, у межах якої опанування професійного терміна подано як послідовність переходів між кількома станами, зокрема: невідомий термін, пасивне розпізнавання, часткове розуміння та активне професійне вживання. Імовірності переходів оцінюються на основі емпіричних спостережень, отриманих від студентів інженерних спеціальностей, що дає змогу моделювати як прогрес, так і регрес у розвитку лексичної компетентності. Крім того, такі змінні, як частота мовного впливу та когнітивна інтерференція, розглядаються як стохастичні чинники, що впливають на траєкторію навчання. Результати свідчать, що запропонована модель забезпечує точніше відображення розвитку словникового запасу, ніж традиційні детерміністичні підходи. Зокрема, вона дає змогу виявити критичні точки переходу та лексичні вузькі місця, які перешкоджають переходу від пасивного знання до впевненого професійного використання. Порівняння прогнозованих і фактичних результатів навчання демонструє високий ступінь відповідності, що підтверджує пояснювальну та прогностичну цінність моделі. У статті обґрунтовується, що інтеграція стохастичного моделювання в дослідження ESP формує міцніше методологічне підґрунтя для аналізу засвоєння лексики в інженерній освіті. Запропонована модель може бути використана для підтримки адаптивних стратегій навчання, удосконалення оцінювання та підвищення якості проєктування спеціалізованого мовного навчання майбутніх інженерів.

This article examines the potential of mathematical modelling to describe and predict the acquisition of professional English vocabulary among engineering students. The study is grounded in the assumption that lexical development in English for Specific Purposes is not a strictly linear process, but a dynamic and probabilistic one shaped by repeated exposure, cognitive interference, contextual reinforcement, and partial forgetting. Against this background, the paper aims to develop and validate a stochastic model that captures the dynamics of specialised vocabulary acquisition in technical higher education. The research is based on a discrete-time Markov chain framework, in which the mastery of a professional term is represented as a sequence of transitions between several states, including an unknown term, passive recognition, partial understanding, and active professional use. Transition probabilities are estimated on the basis of empirical observations obtained engineering students, which makes it possible to model both progression and regression in lexical competence. In addition, such variables as exposure frequency and cognitive interference are treated as stochastic factors influencing the learning trajectory. The findings indicate that the proposed model provides a more accurate representation of vocabulary development than traditional deterministic approaches. In particular, it allows the identification of critical transition points and lexical bottlenecks that hinder the movement passive familiarity to confident professional use. The comparison between predicted and observed learning outcomes demonstrates a high degree of correspondence, which confirms the explanatory and predictive value of the model. The study argues that integrating stochastic modelling into ESP research offers a stronger methodological basis for analysing lexical learning in engineering education. The proposed framework may be used to support adaptive teaching strategies, improve assessment, and enhance the design of specialised language instruction for future engineers.