MétaCan
Menu
Retour à la cohorte
Enregistrement W1935727670 · doi:10.24908/pceea.v0i0.5914

Using Broad-Disciplinary Laboratories to Teach Electric Circuits to First Year Students While Introducing Design and Professional Lab Practices

2015· article· en· W1935727670 sur OpenAlexaffvenue
Cyrus Shafai

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésDisciplineComputer scienceQuality (philosophy)Engineering managementElectrical engineeringMathematics educationEngineeringPsychologySociology

Résumé

récupéré en direct d'OpenAlex

It is possible to engage first year students tolearn the history and applications of electrical systems invarious disciplines from power systems, wireless systems,control, digital systems, biomedical, and micro-sensorsthough laboratories that emphasize design and expectprofessionalism. Teaching electrical systems starting withthe traditional electric circuits first approach provideslittle motivation for first year engineering students. Ourapproach has been to complement lectures in electricaltheory with a sequence of laboratories that focus onupper level electrical systems specialties. Laboratorydesign projects start with a discussion of historical andmodern application of the presented technologies. Thispaper discusses some of the challenges faced andsolutions implemented to enable the application of thebroad-disciplinary laboratories. Professional labpractices have been introduced with the qualitativeassessment of student designs and the expectation thatthey maintain cleanliness of the laboratory and supplyinventory. We have found that TAs are more comfortable(and more critical) in their critique of student designswhen assessment is done using verbal quality indicatorsin place of simple numerical assignment. Accordingly,students make greater effort towards quality labpractices, as opposed to only finding the numericalsolutions. We have further observed that students willmeticulously return the laboratory to its initial state, ifthey were required at the outset to source suppliesthemselves, as opposed being given them.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0030,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0360,009

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 Opus0,021
Tête enseignante GPT0,284
Écart entre enseignants0,263 · 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'étudeObservationnel
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

Citations1
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

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