MétaCan
Menu
Retour à la cohorte
Enregistrement W2152843662 · doi:10.1177/027046760002000506

Fishing for a New Way to Teach Environmentally Sensitive Engineering Practice

2000· article· en· W2152843662 sur OpenAlexaffabout
R. A. Hyde, Bryan Karney, Christopher Kennedy

Notice bibliographique

RevueBulletin of Science Technology & Society · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)CurriculumFishingProcess (computing)Hydrology (agriculture)Surface runoffWatershedWork (physics)Civil engineeringEnvironmental scienceEnvironmental resource managementEngineeringComputer scienceSociologyGeographyPedagogyPolitical scienceEcologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Professional engineers are under increasing pressure to practice in an environmentally sensitive way. To prepare engineers for this new reality, changes in engineering education are needed. For example, engineering hydrology has traditionally been taught with an emphasis on the interpretation of numerical data bout rainfall and runoff in watersheds. However, to do environmentally sensitive hydrology work, it is necessary to also understand the life forms that share the watershed. In 1997, a project was undertaken in the Department of Civil Engineering at the University of Toronto to enhance an introductory hydrology course by adding information about how hydrological phenomena affect fish. Through carefully structured assignments and exam questions, an assessment was made of the effectiveness of the enhancements in increasing students’ awareness of the life context of hydrology. The project has resulted in a commitment to increased environmental information in the hydrology curriculum, and the implementation of an assessment process for all students, to monitor changes in their environmental knowledge and attitudes. It has also raised questions about ultimate objectives in engineering education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,004
Tête enseignante GPT0,231
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBulletin of Science Technology & SocietyMême sujetEnvironmental Education and SustainabilityTravaux en français237 207