MétaCan
Menu
Retour à la cohorte
Enregistrement W2314987373 · doi:10.7227/ijmee.35.2.1

A Freshman Engineering Curriculum Integrating Design and Experimentation

2007· article· en· W2314987373 sur OpenAlexaboutno aff
Elizabeth DeBartolo, Risa Robinson

Notice bibliographique

RevueInternational Journal of Mechanical Engineering Education · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesKate Gleason College of Engineering, Rochester Institute of Technology
Mots-clésCurriculumTeamworkClass (philosophy)EngineeringQuarter (Canadian coin)Engineering managementCourse (navigation)Engineering design processMathematics educationComputer scienceMechanical engineeringPedagogyPsychologyArtificial intelligenceManagement

Résumé

récupéré en direct d'OpenAlex

A pilot freshman curriculum has been designed and implemented in the Mechanical Engineering Department at the Rochester Institute of Technology. The four-course sequence gives freshmen an overview of a broad range of mechanical engineering activities, ranging from system design and project management, electronics and programming, to technical writing and presentations. Students take a two-quarter ‘Introduction to Mechanical Engineering Design’ course and a two-quarter ‘Measurements, Instrumentation, and Controls’ course. In each sequence, the first course gives students most of the basic tools they will need and the second is centered on an electromechanical Rube Goldberg design project, undertaken by the whole class. Students develop the design concept, build the system, and prove that it works. They are able to practice skills such as communications, teamwork, time management, and experimentation. The integrated first-year course sequences have been offered for two years and have proved successful. The students were clearly satisfied with their experience.

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)0,010
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0040,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0410,014

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 Opus0,011
Tête enseignante GPT0,296
Écart entre enseignants0,285 · 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'étudeSans objet
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

Citations16
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mechanical Engineering EducationMême sujetEngineering Education and PedagogyTravaux en français237 207