EVALUATING THE IMPACT OF TABLET COMPUTERS ON DESIGN ENGINEERING
Notice bibliographique
Résumé
Since 2005, with the endowment of the NSERC-GMCL Chair in Innovative Design Engineering at UOIT, and the Laptop-based, web-centric teaching approach, an ideal setting for the creation, prompt adoption, and implementation of advanced and innovative practices in teaching design engineering have been implemented, in addition to the use of traditional methods. A pilot program was recently completed to evaluate the use of Tablets in an engineering course. Tablets are currently used by faculty for teaching purposes at UOIT, but the program aims to integrate the use of Tablets within courses in the engineering design curriculum, namely for using CAD/CAM/CAE software. As CAD software capabilities improve, greater memory and computer speed is required, making the currently used conventional Laptops less useful for engineering design. In addition, Laptops do not lend themselves to graphical, free-form idea generation. It is intended that Tablets, with improved memory and processing speed, will facilitate CAD software usage, and hence, improve and enhance the overall design learning and application experience. Also, students can take advantage of software such as Microsoft OneNote to create preliminary sketches of designs and improve record-keeping of decisions during team meetings. In this pilot program, Tablet computers were issued to students and instruction personnel in a fourth-year Advanced Mechatronics course at UOIT. In this context, students were able to more efficiently carry out design assignments for term design projects, and students and instructors were able to evaluate the benefits of using Tablets. Overall, it was determined that Tablets were better as an engineering design tool compared to traditional Laptops.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».