MétaCan
Menu
Retour à la cohorte
Enregistrement W2098714807 · doi:10.24908/pceea.v0i0.5888

RATIONALE AND TEACHING OBJECTIVES FOR A CANADIAN ENGINEERING ETHICS GAME

2015· article· en· W2098714807 sur OpenAlexaffvenueabout
Andrew Roncin

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensRed River College
Organismes subventionnairesnon disponible
Mots-clésSituatedTest (biology)Order (exchange)Engineering ethicsEthical codeComputer scienceEthical issuesEngineering educationManagement sciencePsychologyEngineeringEngineering managementArtificial intelligenceBusiness

Résumé

récupéré en direct d'OpenAlex

This paper uses Tyler’s rationale as a framework for analyzing the teaching objectives surrounding the design of a video game to teach Canadian engineering ethics.The two keys challenges in this area are defining what should be taught in engineering ethics and then how it is evaluated in order to demonstrate improved understanding. Traditionally, engineering ethics courses are taught as either codes of conduct, or based on case studies with very constrained courses. The evaluation that follows then uses the Defining Issues Test (DIT) or an instructor’s evaluation.However, the above methods could be improved by focusing on engineering ethics as a situated, embedded, and applied discipline. That is, one in which decisions are made as part of a team, embedded in a workplace whose goals will likely be in conflict with the engineers, and whose outcomes are unknown at the time decisions are made.By using a serious game in which the players are protagonists affords us the opportunity to present thick cases with multiple decision points and opportunities for players to demonstrate their ethical bias. Additionally, the progress of players and their interactions with non-playing characters can reveal information on their assumptions and ethical bias.

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)0,015
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,604

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,025
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0080,006
Communication savante0,0080,002
Science ouverte0,0040,003
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,101
Tête enseignante GPT0,343
Écart entre enseignants0,242 · 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'étudeSans objet
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

Citations4
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEthics in Business and EducationTravaux en français237 207