MétaCan
Menu
Retour à la cohorte
Enregistrement W1792309530 · doi:10.24908/pceea.v0i0.4795

Teaching Design in Computer Engineering

2013· article· en· W1792309530 sur OpenAlexaffvenueabout
Ken Ferens

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésDocumentationTest (biology)Software engineeringPlan (archaeology)Engineering managementComputer scienceTest planSoftwareProduct (mathematics)Software deploymentWork (physics)Systems engineeringEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

This paper reports on a project based learning approach taken to teach the ECE 3740 Systems Engineering Principles and ECE 3730 Principles ofEmbedded Systems Design courses at the University of Manitoba. These courses were 100% hands-on, and each student was given development hardware and software in a lunch box to take home and work on projects throughout the course. Industry representative projects were chosen based on the author’s 5 years of experience working in the embedded systems industry. The courses were given in a company-like setting, where the lectures and laboratories were organized as product requirements gathering and analysis, design modeling and review, test plan and procedures, engineering change request and management, documentation, and product deployment meetings and events. The test and final exam were performed by students in the laboratory; they brought their embedded systems hardware in the lunch box,solved the given hands-on problems of the test/exam, and demonstrated their solutions, in real-time. This novel methodology allowed the examiner to directly assess student performance in the CEAB attributes of Design, Analysis, Investigation, and Tools, because their designsand solutions were actually demonstrated in actual hardware and software, not just on paper, like the conventional assessment approach for tests and exams.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,190
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetDesign Education and PracticeTravaux en français237 207