INNOVATIVE TEACHING METHODS AND ENGINEERING EDUCATION RESEARCH
Notice bibliographique
Résumé
Problem-based learning approaches have been deemed by research literature to be an optimal approach to develop engineering graduate competencies and attributes. While project-based capstone courses tend to be the norm, PBL has a lesser although highly recommended presence in the early years of an engineering program. With early year implementations of innovative pedagogies, engineering educators who persist in their PBL implementations encounter tensions at various levels and are required to devise strategies to manage the tensions.This qualitative study focused on the variation in engineering educators’ ways of experiencing tensions in PBL implementations, as well as how they managed the tensions (n=14). In the specific context of the first two years of undergraduate engineering education, the research questions were (1) based on their teaching practices, what are the predominant tensions encountered by engineering educators? (2) What are the qualitatively different ways in which engineering educators experience tensions with a PBL implementation in their teaching practices? (3) How do engineering educators manage these tensions?Results revealed tensions at both the classroom and system level. Examples of a classroom tension included the transitioning of students not only into engineering but also into PBL-oriented learning environments. System-level tensions included a misalignment in the perceived value assigned to teaching by the individual instructor and the organization.For engineering educators considering the implementation of PBL, this study offered not only insights into potential tensions, but also the management strategies used to mitigate the tension. Implications for administrators, faculty development specialists, and curriculum designers are also discussed.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».