Is the computer science curriculum ready to teach students towards hardwarizing?
Notice bibliographique
Résumé
Computer technology changes rapidly, especially in the last decades. IEEE and ACM have developed curriculum recommendations for computer technology in the last 50 years and always add extensions or modify the content to keep the pace with the ongoing changes. Nowadays, five curricula are defined within the Computing Curricula: Computer Science, Computer Engineering, Information Systems, Information Technology and Software Engineering. Although some of them are updated in a period of 4-5 years, there are examples lasting for quite a long time, such as Computing from 2005 and Computer Engineering curricula from 2004. Still, the latest emerging technologies - Cloud computing, Internet of Things, Internet of Everything, Big Data, Machine to Machine and Human to Machine communications and interaction, software-defined everything, smart cities, high performance scaled computing, etc., raise the challenges if these curricula are ready to cover modern trends. Even more, the real question is whether they should be changed, upgraded or give rise to a new curriculum? This paper analyzes the new emerging trends and technologies and how they are covered in the current curricula that are present at our faculty (Computer Science and Computer Engineering). We present how a track of courses and their syllabuses are adapted towards these new emerging technologies, without changing the whole curriculum. There are multiple results of these changes. Students now can choose a track and learn the courses with increased interest; they can see the "whole picture" after finishing all courses of the track; they prepare more complex projects and they are happier with the changes. Finally, several diploma theses emerged that follow the current trends in the computer technology, which prepare the students to be already good engineers on the labor market. We strongly believe that with our new approach, the motivation for learning the hardware-based courses will be returned to the students, which will facilitate the trend of decreasing interest and number of engineering students.
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 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,015 | 0,011 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,016 |
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 ».