MétaCan
Menu
Retour à la cohorte
Enregistrement W2119298906 · doi:10.1017/s0890060410000247

Scrutinizing design educators' perceptions of the design process

2010· article· en· W2119298906 sur OpenAlexaff
Megan Strickfaden, Ann Heylighen

Notice bibliographique

RevueArtificial intelligence for engineering design analysis and manufacturing · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDesign processProcess (computing)Engineering design processComputer scienceResearch designDesign educationPerceptionNegotiationVariety (cybernetics)Design briefIterative designDesign methodsNarrativeDesign elements and principlesManagement sciencePsychologyEngineeringWork in processSoftware engineeringSociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract When developing a better understanding of the design process there are several possible approaches to choose from. Many studies are based on novice designers (e.g., students) or designers of relatively modest talents. By contrast, some studies have queried designers who are considered to have outstanding and exceptional ability in order to gain an understanding of design at the highest level that it is practiced. The study reported here adopts yet another approach by exploring how design processes are perceived by design educators. The approach is motivated by the observation that teaching design requires consciously distilling the essence of the design process for the students, observing students during their design process and guiding them through the process. As a result, design teachers tend to develop a more articulate view of design processes than most other designers. Nineteen design teachers are interviewed using general topics as discussion points. Such an approach is invaluable when exploring more abstract research questions such as the notion of design processes. This approach differs from more controlled approaches (e.g., protocol analysis) in that it accepts that the data obtained are partially driven by negotiation between the researchers and the participants, and that the discussions are largely stories or narratives about design and designing. The resulting data illustrate that design processes are interpreted, articulated, and understood in a variety of ways by different teachers. These data and subsequent results tell us in rich detail about designing and design teaching, and as a result extend our understanding of the design process.

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)0,040
score de la tête « metaresearch » (Gemma)0,104
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,104
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,010
Communication savante0,0100,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,285
Écart entre enseignants0,251 · 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'étudeQualitatif
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

Citations5
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArtificial intelligence for engineering design analysis and manufacturingMême sujetDesign Education and PracticeTravaux en français237 207