MétaCan
Menu
Retour à la cohorte
Enregistrement W1941413737 · doi:10.24908/pceea.v0i0.3643

CURRICULUM ENHANCEMENT AND EVALUATION OF GRADUATE ATTRIBUTES AND OUTCOMES THROUGH STUDENT-RUN FORUMS

2011· article· en· W1941413737 sur OpenAlexafffundvenueabout
Dario Schor, Kathryn Marcynuk, M. Sebastian, Witold Kinsner, Ken Ferens, Cyrus Shafai, Nariman Sepehri

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversity of Manitoba
Mots-clésAccreditationCurriculumCapstoneClass (philosophy)Medical educationAdaptation (eye)Computer sciencePedagogyPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The evolution of a curriculum involves changes at many different levels such as daily changes to reflect questions or areas of interest of a particular class, improvements to an established course based on observations from the professor, or more significant changes to streams of courses at a departmental level, or adaptation to suggested accreditation guidelines such the recent new Canadian Engineering Accreditation Board (CEAB) graduate attributes and outcomes. Most educational institutions have means of collecting data and assessing individual courses or streams of courses based on student performance, course evaluations, and professor assessments. However, since more can be done to gauge the collective effect of changes before students get to their final year capstone project or go into industry, a student-run curriculum forum has been established.This paper presents some of the lessons learned from the bi-annual student-run curriculum forums in the Department of Electrical and Computer Engineering at the University of Manitoba. Based on the experience acquired so far, this paper outlines the organization of the curriculum forums, suggestions on guided discussions, ways to present feedback, and means of communicating to students how their feedback is being used to improve the curriculum.

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)0,061
score de la tête « metaresearch » (Gemma)0,104
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 enseignants0,061
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,104
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,024
Tête enseignante GPT0,251
Écart entre enseignants0,227 · 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

Citations4
Publié2011
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207