FOSTERING TEAMWORK SKILLS USING COLLABORATION SOFTWARE IN ENGINEERING DESIGN EDUCATION
Notice bibliographique
Résumé
The ability to work in a professional team is an essential social competence of engineers, who must collaborate on common tasks, with shared goals. Social competence has many aspects that are difficult to define and evaluate. Based on a theoretical framework of social competence, we identify several specific attributes and indicators that can be used to develop and evaluate social competencies related to teamwork in professional engineering. The specific attributes are professional project management, team interaction and professional documentation. These attributes are fostered in several ways. Team communication and coordination is fostered through explicit team roles (e.g. moderator, secretary, project manager, etc.), explicit requirements for project planning and scheduling, requiring professional documentation, and using computer tools to support these collaborative activities. These strategies develop competencies in communication, teamwork, presenting and understanding information, and using collaboration tool. At a higher level, these competencies contribute to each team member understanding the roles and contributions of the other team members, developing a shared understanding of the team’s position, and negotiating within the team and with external parties to reach sound decisions and conclusions. This paper describes and compares experiences using collaboration software tools to support teamwork activities in undergraduate design projects at Karlsruhe Institute of Technology (KIT) and Western University. Collaboration tools include Microsoft Project, Microsoft SharePoint, Sakai, and wikis. The paper discusses the selection of appropriate tools, the formalization of their use, and methods used to evaluate student competence.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».