MétaCan
Menu
Retour à la cohorte
Enregistrement W2262366938 · doi:10.18260/1-2--20832

A Multi-dimensional Model for the Representation of Learning through Service Activities in Engineering

2020· article· en· W2262366938 sur OpenAlexaff
Susan McCahan, Holly K. Ault, Edmund Tsang, Mark Henderson, Spencer P. Magleby, Annie Soisson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDimension (graph theory)Computer scienceKey (lock)Quality (philosophy)Service (business)Representation (politics)Engineering educationEngineering managementSoftware engineeringEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract A Model for Learning through Service in EngineeringThe Engineering Faculty Engagement in Learning through Service (EFELTS) project wasestablished with a key objective to identify the impact learning through service (LTS) has onfaculty and determines how to encourage faculty to adopt this instructional method. During arecent gathering of engineering instructors involved in LTS programs a group was tasked withdeveloping a model for characterizing LTS programs in engineering. Our group formulated amodel which characterizes 12 dimensions of LTS programs. This model provides a basis forcomparing and contrasting programs. In addition, it can be used as a check list for developingnew LTS programs, evolving existing LTS programs, or assessing the quality of an LTSprogram.The dimensions are formulated to capture the qualities of LTS programs that occur across a widebreadth of engineering institutions. As such the dimensions need to encompass the broad varietyof program designs that are currently occurring as well as take into account future developmentsin this pedagogy. The dimensions fall into 4 key categories: Academic, Program Design,Technical Social Balance, and Management. These dimensions are described in detail and theends of the spectrum in each dimension are defined and illustrated.The paper discusses application of the model in depth and characterizes some example programsfrom our institutions. The results are used as a basis for comparing and contrasting the programdesigns.LTS programs are becoming more common in engineering schools. They offer an opportunityfor our students to not only strengthen their engineering abilities but also achieve learningoutcomes that go beyond what can be learned in a traditional engineering course. There aremany different, successful examples of LTS. Defining examples using the proposed model mayhelp faculty new to this pedagogy design a program that would be viable at their institution. Inaddition, this model can be used to characterize and assess existing programs. The goal is tocreate a model that advances this valuable pedagogical method.

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)0,004
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,347
Écart entre enseignants0,211 · 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
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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetService-Learning and Community EngagementTravaux en français237 207