MétaCan
Menu
Retour à la cohorte
Enregistrement W1840070416 · doi:10.24908/pceea.v0i0.3804

INFORMATION LITERACY AND THE ART OF DOING RESEARCH WITHIN THE CONTEXT OF AN ENGINEERING TECHNICAL COMMUNICATION CLASS

2011· article· en· W1840070416 sur OpenAlexaffvenue
Anne Parker, Norma Godavari

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésClass (philosophy)Context (archaeology)Process (computing)ComprehensionEngineering ethicsInformation literacyLifelong learningLiteracyProfessional communicationField (mathematics)Engineering educationTechnical communicationComputer scienceKnowledge managementPedagogyPsychologyEngineeringEngineering managementWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

In this paper, we present some of the pedagogical outcomes of a study we undertook to determine whether research skills are valuable “soft skills” to have within an Engineering context, or whether they are merely “short-term competencies” as some would contend. We argue that engineering students (as future professionals) must develop two important – and confluent – skills: finding valid, complex technical information and translating it into a useful communication. As professionals, engineers must be able to find the information they need, assess it and apply it to their designs and to their communications. As students, they need to become acquainted with their professional discourse community, so we suggest that assigning a research paper in a field where applications and design exigencies are important is a worthwhile thing to do since this kind of research activity underpins students’ future roles as professional engineers and promotes their lifelong learning. In the technical communication class offered in our school of Engineering, students learn how to engage in the systematic process of finding, selecting, organizing, distilling and presenting information, a process that enhances their comprehension of the subject, develops their critical thinking and introduces them to their discourse community.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,005
Science ouverte0,0010,000
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 Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,249 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetLibrary Science and Information LiteracyTravaux en français237 207