CEAB's Graduate Attribute 3.1.3: Investigations – Is it really possible for engineering graduates to possess this attribute?
Notice bibliographique
Résumé
Starting 2014, engineering programs in Canada will be evaluated by CEAB based on twelve Graduate Attributes and institutions must demonstrate that their graduates possess these attributes at the time of graduation. One of these attributes is “Investigations” which is defined by CEAB as “an ability to conduct investigations of complex problems by methods that include appropriate experiments, analysis and interpretation of data, and synthesis of information in order to reach valid conclusions.” This is similar to one of ABET's student outcomes which states that students attain "an ability to design and conduct experiments, as well as to analyze and interpret data". In this paper, it will be argued that with the current curriculum of most, if not all, engineering schools in Canada, it is almost impossible for graduates to possess this attribute unless a compulsory course is introduced to specifically teach the subject. Proper design, conduct, and analysis of experiments of complex problems cannot be learned by osmosis or by doing standard labs where the procedure and analysis methods are given. Engineering educators and graduates thinking that somehow that the skill to design, conduct and analyze experiments will be learned in an engineering program do not fully appreciate the myriad of issues that are involved with experimentation to study a complex problem. Examples of these issues include: a large number of variables, multiple responses with conflicting objectives, linear or nonlinear responses, interaction among variables, etc. In this paper, these issues and many others will be discussed. How they can be addressed will be discussed and a course that will help graduates achieve competence in “Investigations” is also proposed.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».