Listening to the Quiet Voices: Unlocking the Heart of Engineering Grand Challenges
Notice bibliographique
Résumé
According to the National Academy of Engineering, the list for the Grand Challenges for Engineering are: (1) Make solar energy economical; (2) Provide energy from fusion; (3) Develop carbon sequestration methods; (4) Manage the nitrogen cycle; (5) Provide access to clean water; (6) Restore and improve urban infrastructure; (7) Advance health informatics; (8) Engineer better medicines; (9) Reverse-engineer the brain; (10) Prevent nuclear terror; (11) Secure cyberspace; (12) Enhance virtual reality; (13) Advance personalized learning; and (14) Engineer the tools of scientific discovery. Surely, it may be difficult to find many who would find any reason to disagree with the identification of any of these topics for both the present and future engineers. Rather than object to what is included, I would like to raise the issue of what has been neglected in this list and far too often in engineering—listening to the quiet voices that speak from within each of us from our heart. I am suggesting the act of listening as one additional entry for this most important list.In my view, one set of skills that our profession does not encourage very well is stopping and listening—stopping and listening to each other, stopping and listening to life around us, or stopping and listening even to ourselves. This is a skill that, given the pace of our modern society, technological advances and our cultural conditioning, must be cultivated for it likely will simply either never develop or quickly wither away. The question at hand then becomes how does one cultivate the ability to stop and to listen? The present work offers one such path though clearly there are countless others.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,031 |
| Communication savante | 0,025 | 0,037 |
| Science ouverte | 0,003 | 0,020 |
| Intégrité de la recherche | 0,014 | 0,031 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».