Engineering Education: Does Our Training Reflect Student Employment Trajectories?
Notice bibliographique
Résumé
Departmental/disciplinary differences aside, newly graduated engineers can be considered to have one of four general and non-exclusive initial employment trajectories: operations, technological innovation, research, and teaching. Survey data from engineering students at the University of Saskatchewan will describe the proportions of students focused on these employment trajectories by year of study, and by discipline. An important implication of this classification is that the desired graduate attributes of these four employment trajectories require divergent knowledge and skills, aside from technical competence. Operations engineers need training in hazard assessment, economics, optimization, schematics, controls, constrained design, and quality control. Technology Innovators require training in creativity, abstract thinking, taking initiative, open-ended design, technical graphics, prototyping, and market research. Research engineers need training in experimental design, statistics, the scientific method, programming, instrumentation, and data analytics. Teaching engineers require training in pedagogy, communications, curriculum design, and social-media tools. All Canadian engineering schools train for Operations. Most have an option/certificate/specialization for Technological Innovation. Some have a minor emphasis on training for the Research stream. Very few systematically prepare for the Teaching role. Are we losing some good engineers by lack of curricular support for these latter three aspirations? Equally important, are sufficient numbers of engineers being prepared in each trajectory? These questions will also be addressed in this study, as data reflecting on the personality characteristics of student respondents was collected and analyzed while looking at their employment trajectories. The potential implications of this type of analysis on attrition and retention, innovation in Canada, and more effective teaching of STEM, will be
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».