STUDENT PERCEPTIONS AND USE OF AN INVENTORY TO FACILITATE LEARNING OF INDIVIDUAL TEAM-EFFECTIVENESS
Notice bibliographique
Résumé
Team-based projects have become a common method of modeling real-world experience and meeting required graduate attributes in engineering. In these projects, much of a student’s grade is attributed to work produced by an entire team, creating a need for instruction on how to work effectively as team members in addition to course-content instruction. A web-based tool is in development to create a virtual environment in which students can learn about and improve their individual team-effectiveness competencies through self- and peer-assessments. Framed as a guided reflection, these assessments are facilitated using an inventory which identifies 18 competencies along three aspects of team-effectiveness: Organisational, Relational and Communication competencies [1]. The inventory assesses observable behaviours that translate to specific levels of competency so as to provide a foundation for normalized self- and peer-assessments, as well as provide examples of how to improve. A study to assess student perceptions and use of the inventory was conducted in the Fall 2012 term in two upper year courses. The first course was a third-year course on energy systems that is required of all students in the Energy Option of Engineering Science and the second a fourth-year engineering leadership course which any engineering student can select as an elective. The objective of this study was to determine if students in a required engineering course perceived and used the inventory differently than those who self-selected into an engineering leadership course.
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 | 0,000 | 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 ».