MétaCan
Menu
Retour à la cohorte
Enregistrement W2128383181 · doi:10.24908/pceea.v0i0.3867

ENGINEERING CURRICULUM DEVELOPMENT IN MICROSYSTEMS

2011· article· en· W2128383181 sur OpenAlexaffvenueabout
Yongjun Lai, Shafaat Ahmed Bazaz

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensCMC Microsystems (Canada)Queen's University
Organismes subventionnairesnon disponible
Mots-clésMicrosystemMicroelectronicsSurface micromachiningMicroelectromechanical systemsMultiphysicsSystems engineeringMultidisciplinary approachEngineeringComputer scienceMechanical engineeringFabricationNanotechnologyElectrical engineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Microsystems are a rapidly developing technology that integrates Micro-electro-mechanical systems (commonly known as MEMS) and microfluidics devices with microelectronics and optoelectronics circuits. Due to increasing demand and opportunities from these fields, universities are introducing or have introduced MEMS/Microfluidics courses to their students at undergraduates and graduate levels. By its nature, the field is multidisciplinary and requires various backgrounds when integrating all components of Microsystems as described above. The current challenges in this area are design, fabrication and testing the microsystem devices. This brings various constraints on both the instructors and the students from the point of teaching and learning aspects. Designing a typical microsystem requires the use of modeling and simulation tools from multi energy domains (circuit simulators, multiphysics analysis, 3D modeling, fluidic flows etc). Fabrication methods have recently been evolved from traditional microelectronics fabrication techniques to more complicated micromachining technologies (bulk vs. surface micromachining, LIGA vs. Deep Reactive Ion etching etc). Testing of Microsystems goes beyond traditional electrical testing to the motion analysis of the moving parts on the microsystems. In recent years, the application of microsystems have also been moving away from traditional telecommunication and entering into new areas like health care, energy, environment, automobile and biotechnology. This makes the teaching of microsystem technologies more challenging to fulfill the needs of students entering in Microsystems from existing disciplines (electrical, mechanical, physics, etc.) with limited background on all parts of microsystems. In addition to the multidisciplinary nature of Microsystems, limited resources (small number of design platforms versus large number of students), absence of supportive funding vs. high cost of prototyping, limited time frame vs. long fabrication periods, restrictive opportunities for students to have hands-on design experience make it difficult to offer such courses at graduate and undergraduate levels. In this paper, we discuss developing a new Microsystems course curriculum with emphasis on MEMS in university environment, particularly at Queen’s University in Canada. This curriculum is designed in a team project-based manner but in modular form. The lecture will be delivered by two main instructors and some guest instructors for different topics. The team members for each project have complementary background or coming from different discipline. The pertinent resources at Queen’s University, including such in CMC Microsystems will be available to the students which solves the shortage of resources for teaching.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0060,003
Science ouverte0,0020,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0680,041

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 Opus0,006
Tête enseignante GPT0,167
Écart entre enseignants0,161 · 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
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

Citations1
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207