MétaCan
Menu
Retour à la cohorte
Enregistrement W2138957073 · doi:10.24908/pceea.v0i0.5950

Industry Forum III: Towards A Common Language

2015· article· en· W2138957073 sur OpenAlexafffundvenueabout
Ken Ferens, Jillian Seniuk Cicek, Nariman Sepehri, Witold Kinsner, J.P. Burak, Anne Parker, D.K. McNeill, Douglas Ruth, Ian Jeffrey, Norma Godavari, S. Ingram

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversity of Manitoba
Mots-clésRubricGeneral partnershipWork (physics)Engineering educationPerceptionMeasure (data warehouse)PsychologyEngineeringMedical educationEngineering ethicsEngineering managementPedagogyComputer scienceBusinessMedicineMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Engineering Education literature acknowledgesthat the language Academia uses to assess the abilities ofengineering students may not be the same as the languageIndustry uses to measure the abilities of new graduates at thetime they enter the work force. It also suggests that theunderstanding and expectations of Industry may differ fromAcademia. If the language, perceptions and expectations aredifferent, so too could be Industry’s assessment of theknowledge, skills and attitudes of new engineering graduates.Consequently, Industry may need to spend additional resourcesto develop the abilities of new hires to meet their own needs.The Industry Forum III was conducted in partnership withmembers of Manitoba Industry and members of Academia fromthe Faculty of Engineering at the University of Manitoba withthe objective to develop a common language that Industry andAcademia can use in concert to measure the abilities of newengineering graduates. This paper details the findings from theforum, as well as the changes made to the University ofManitoba graduate attribute rubrics in the pursuit of a commonlanguage for our engineering stakeholders.

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)0,107
score de la tête « metaresearch » (Gemma)0,075
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,563

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1070,075
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0120,006
Communication savante0,0120,010
Science ouverte0,0040,021
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2015
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207