MétaCan
Menu
Retour à la cohorte
Enregistrement W2152191648 · doi:10.24908/pceea.v0i0.3946

ENGINEERING SKETCHING AS A VISUALIZATION TOOL - PART DEUX: VISUALIZING ENGINEERING CONCEPTS

2011· article· en· W2152191648 sur OpenAlexvenueno aff
Marjan Eggermont, D. M. Douglas, Dorte Caswell, C. R. Johnston, O.R. Fauvel

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVisualizationBridge (graph theory)Computer sciencePlan (archaeology)Engineering design processStyle (visual arts)Perspective (graphical)Mathematics educationMeaning (existential)Human–computer interactionEngineeringArtificial intelligenceMathematicsPsychologyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Engineering sketching is a method of externalizing the thinking about, and solving of, design problems. Sketching, from the Greek σχεδιος (meaning “sudden”), can be defined as: 1. A simple, rough drawing or design; 2. A brief plan or description of major elements. Sketching exists somewhere between writing and formal drawing as a means of formulating ideas. In the third year of teaching engineering sketching in our first year design course, assignments were given an additional component: the visualization of engineering concepts. This had three motivations: 1. Students should be given the opportunity to integrate knowledge from other first year engineering courses; 2. Students should be challenged to think spatially; 3. Students who were not necessarily strong renderers should be able to do well in the “concept” category. This paper will discuss how these new components encouraged the students into a more Visual-Spatial (VS) thinking mode. There will be some discussion regarding how VS type students “understand” with respect to more prevalent Auditory-Sequential (ASQ) type students. The goal of visualizing engineering concepts is to bridge the ASQ style of deliveries (from other knowledge-bases) with a more VS style of problem solving.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0260,006

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 Opus0,012
Tête enseignante GPT0,238
Écart entre enseignants0,226 · 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
GenreMéthodes

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

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetDesign Education and PracticeTravaux en français237 207