Universalized Narratives: Patterns in How Faculty Members Define “Engineering”
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
B ackground U.S. engineering educators are discussing how we define engineering to ourselves and to others, such as in the recently released U.S. National Academy of Engineering (NAE) report, Changing the Conversation . In these conversations, leaders have proposed the skills, knowledge, processes, values, and attitudes that should define engineering. However, little attention has been paid to the daily work of engineering faculty, through their engineering research and teaching students to be new engineers, that puts these discipline‐defining ideas into practice in academia. P urpose (H ypothesis ) The different types of narratives engineering faculty explicitly or implicitly use to describe engineering are categorized. Categorizing these common narratives can help inform the nationwide conversation about whether these are the best narratives to tell in order to attract a diverse population of future engineers. D esign /M ethod Interviews with ten engineering faculty at a research‐extensive university were conducted. Interview transcripts were coded thematically through coarse then fine coding passes. The coarse codes were drawn from boundary theory; the fine codes emerged from the data. R esults Faculty members' descriptions moved within and among the narratives of engineering as applied science and math, as problem‐solving, and as making things. The narratives are termed “universalized” because of their broad‐sweeping discursive application within and across participants' interviews. C onclusions These narratives drawn from academic engineers' practice put engineering at odds with recommendations from the NAE report. However, naming the narratives helps make them visible so we may then develop and practice telling contrasting narratives to future and current engineering students.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle