MétaCan
Menu
Retour à la cohorte
Enregistrement W2084934305 · doi:10.1109/fie.2011.6142882

Connecting reality with theory — An approach for creating integrative industry case studies in the software engineering curriculum

2011· article· en· W2084934305 sur OpenAlexfundno aff
Joe Bolinger, Michael Herold, Rajiv Ramnath, Jayashree Ramanathan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensnon disponible
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaNational Science Foundation
Mots-clésMirroringCurriculumVariety (cybernetics)Computer scienceDisciplineRelevance (law)Field (mathematics)AppealEngineering ethicsRealismEngineeringPedagogyPsychologyArtificial intelligenceSociology

Résumé

récupéré en direct d'OpenAlex

Case studies have been successfully integrated into a wide variety of educational contexts and disciplines. Today, case studies are increasingly accepted as valuable teaching tools in science and engineering curriculums to complement the underlying theory of the field. Well-articulated cases can reinforce abstract concepts, demonstrate the nature of real client interactions, and showcase the relevance of soft skills to students that lack significant practical experience. However, assembling and delivering quality case studies to students requires a great deal of practical disciplinary knowledge, and a careful alignment of the case content and delivery style with curricular objectives, course learning outcomes, and the overarching institutional format. In this paper, we summarize our experience with an approach for constructing case study teaching materials that are integrative and deep in content, but also carefully aligned to the core principles and format of a senior-level software engineering course. Our approach ensures that the cases are complex enough to retain their realism and intrinsic appeal, while mirroring the format and objectives of the course such that the cases reinforce key points in a familiar and consistent fashion to the 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.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,583
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,118
Tête enseignante GPT0,345
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware Engineering Techniques and PracticesTravaux en français237 207