MétaCan
Menu
Retour à la cohorte
Enregistrement W2003988340 · doi:10.1109/fie.2010.5673640

Workshop — WCDE design case study

2010· article· en· W2003988340 sur OpenAlexaffabout
Steve Lambert, Oscar Nespoli

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésEngineering design processReflection (computer programming)Computer sciencePlan (archaeology)Engineering educationEngineering managementProcess (computing)Active learning (machine learning)Software engineeringEngineeringArtificial intelligenceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Waterloo Cases in Design Engineering (WCDE) was established with the support of the Natural Sciences and Engineering Research Council (NSERC), General Motors of Canada Limited (GMCL) and the University of Waterloo (UW) to enhance the teaching and learning of engineering design in all courses across the Faculty of Engineering using design case studies. The design case studies are developed from a large sustainable source of co-op engineering student work term reports. Communicating the benefits of case studies and the case method is best performed in an active learning format and environment. The workshop format is therefore an appropriate format to demonstrate the benefits of the case method for facilitating the learning of engineering design in particular, and professional practice knowledge and skills in general. The primary goal of this workshop is to educate participants in the use of case studies to promote active learning and assessment of engineering design and other ABET/CEAB graduate attribute requirements using the case method. A case study that was developed as an interrupted case study will be used to demonstrate learning and implementation of engineering design, where each module represents a phase in the design process. The workshop plan includes reflection and discussion after each module of the case is implemented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,308
Score d'incertitude au seuil0,924

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,266
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207