MétaCan
Menu
Retour à la cohorte
Enregistrement W2111195582 · doi:10.24908/pceea.v0i0.4705

Complexity Made Simple

2012· article· en· W2111195582 sur OpenAlexafffundvenue
Philippe Kruchten

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueSystems Engineering Methodologies and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHeuristicsComputer scienceSimplicityComplexity managementAbstractionSimple (philosophy)Set (abstract data type)Data scienceKey (lock)Management scienceEngineeringEpistemology

Résumé

récupéré en direct d'OpenAlex

We present a simple conceptual model of what constitutes complexity and simplicity in design engineering. At the core of the model are the three concepts of 1) scale (how many things are there), 2) diversity (how many different kinds of things are there), and 3) connectivity (how many relationships are there between things). The model distinguishes essential from accidental complexity (i.e., the complexity that we, engineers, add while designing), and intrinsic versus perceived complexity. The model also articulates the complexity of the thing (or system) we design or observe versus the complexity of the community around the system: its users, designers, manufacturers, sellers, other systems, etc. This model is then used to articulate a set of heuristics to address complexity: reduce, hide, shrink, organize, explain, expose.. Finally we open the toolkits of engineers in various disciplines to identify strategies, methods, or tools that they can use to address complexity: design principles, guidelines, design methods, patterns, tactics, frameworks, etc. Approaches such as modeling, abstraction, partitioning can then be described in terms of our key concepts and heuristics; e.g., “abstraction reduces perceived complexity”. This conceptual model helps engineering students to better reflect on their practices of design, and how these practices vary across disciplines. It also provides a more systematic approach to answering the never ending question: “how can you make this simpler?”

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)0,005
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,020
Communication savante0,0110,016
Science ouverte0,0020,008
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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 Opus0,030
Tête enseignante GPT0,240
Écart entre enseignants0,211 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetSystems Engineering Methodologies and ApplicationsTravaux en français237 207