MétaCan
Menu
Retour à la cohorte
Enregistrement W2498209780

Innovative outreach programs to attract and retain women in undergraduate engineering programs

2000· article· en· W2498209780 sur OpenAlexaboutno aff
N. Gudz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Education and Engineering Focus
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutreachEngineering educationWomen in scienceEngineeringPublic relationsMedical educationSociologyPolitical scienceEngineering managementMedicineGender studies
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Statistics Canada figures for 1998 show that women comprise two-thirds of graduates with degrees in fine arts, humanities and social sciences, yet only 12% of graduates in the science and technology fields are women. For the engineering profession alone, the figures are even more daunting - only 5% of registered Professional Engineers in Canada in 1998 were women. We can no longer afford to exclude the vast pool of talent represented by women, therefore effective recruitment and retention programs are necessary to encourage more women to consider a career in the field of engineering. This paper describes several projects undertaken at Ryerson Polytechnic University to increase the participation of women in engineering. These projects include the 'Discover Engineering' Summer Camp, in-class high school workshop program, one day engineering career conference, on-line mentoring program, student 'drop-in' hours and an incoming student welcoming reception. The paper discusses the impact of these initiatives, as measured by follow-up surveys and other evaluation tools. Figure 2, showing data broken down by gender, reveals an interesting snapshot of the state of engineering profession in Canada (Ontario data is representative of national statistics). While reasons for declining interest in engineering as a career are a focus of intense discussion within the profession and academia and are based on larger societal issues, it is clear that more women than ever are interested in pursuing engineering.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,021
Tête enseignante GPT0,275
Écart entre enseignants0,253 · 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'étudeObservationnel
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

Citations14
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiverse Education and Engineering FocusTravaux en français237 207