MétaCan
Menu
Retour à la cohorte
Enregistrement W2192959354 · doi:10.18260/1-2--18541

Redesign of Freshman Electrical Engineering Courses for Improved Motivation and Early Introduction of Design

2020· article· en· W2192959354 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Council CanadaNational Science Foundation
Mots-clésTeamworkClass (philosophy)Computer scienceCurriculumEngineering educationProject-based learningSoftware engineeringEngineering design processMathematics educationEngineering managementEngineeringPedagogyArtificial intelligenceMechanical engineeringPsychology

Résumé

récupéré en direct d'OpenAlex

The student experience during the freshman year has been recognized as one of the keys to not only attracting more students into engineering and improving retention, but also to forming some significant attributes of successful engineering graduates. Portland State University is an urban university, and its Electrical and Computer Engineering (ECE) department serves a relatively large and very diverse student population including a large fraction of transfer and part-time students. Traditionally, all engineering disciplines within our Maseeh College of Engineering and Computer Science had a similar freshman year curriculum. The common entry course – Engineering and Applied Science (EAS) 101 – served as the cornerstone along with one or two additional courses which were more discipline specific. In ECE these two courses covered introduction to programming and digital logic, with the former taught by the Computer Science (CS) department and the latter by ECE. There were a number of reasons why we decided to redesign our undergraduate curricula. Through our own assessment and feedback from employers and alumni, several programmatic issues were identified: a) insufficient programming skills, b) introduction to design only in upper-division courses, c) weak communication skills. At the same time, many schools across the United States were reducing the credit load in Electrical Engineering (EE) to 180 credits, and we had started feeling pressure from our students and prospective students as well. This prompted our examination into ways of rationalizing and potentially reducing the number of courses. Finally, we wanted to make our program more attractive to undecided and traditionally under-represented groups of students. We realized that solutions for many of the identified issues might be found by focusing on how we introduce freshman students to electrical and computer engineering fields.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil0,459

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,200
Écart entre enseignants0,186 · 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

En bref

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetExperimental Learning in EngineeringTravaux en français237 207