MétaCan
Menu
Retour à la cohorte
Enregistrement W1915876818 · doi:10.24908/pceea.v0i0.3106

The Mechanical Dissection Laboratory: Educating Engineers for Industry

2010· article· en· W1915876818 sur OpenAlexaffvenueabout
Jennifer Johrendt, Peter Frise

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésAutomotive industryWork (physics)EngineeringEngineering managementManufacturing engineeringComputer scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In 1997-98 a major study was done to learn the expectations of Canadian industry for skills in new engineering graduates.It was found that while knowledge of mathematics and basic science was adequate, new graduates' knowledge of design, manufacturing and practical shop-floor knowhow was not.This study and similar US work by the ASME touched off several initiatives to address the deficiencies that were voiced by industry.This research was used in founding the University of Windsor's undergraduate automotive engineering program in 1999 as Canada's first undergraduate level automotive education.The program was designed from the outset to incorporate a unique laboratory experience in the third year Automotive Engineering Fundamentals course.The goal was to provide an experience that would promote comprehension and retention through hands-on exercises that were practical to the field and valued by industry.In the Mechanical Dissection Laboratory (MDL), students are assigned a single cylinder four cycle engine with which they work for the semester.Students run their engine and perform basic performance measurements before and after they dissect, examine and reassemble the unit.They measure key dimensional and operating metrics and investigate the materials and manufacturing methods, tolerances and stack-ups and issues such as assembly methods, tool access etc. Students have access to the manufacturer's drawings during their work and use their own tool kits as well as materials provided by the course instructional staff.The development and operation of the MDL is the focus of this paper.The authors describe the origin of the Lab, its inspiration from a similar facility at the University of Karlsruhe, the philosophy and rationale of the Windsor MDL, design and equipment in the Lab and some reflective comments looking back over the ten years since its inception in the program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,353

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,003
Tête enseignante GPT0,199
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetExperimental Learning in EngineeringTravaux en français237 207