MétaCan
Menu
Retour à la cohorte
Enregistrement W2600348831 · doi:10.18260/1-2--16905

Design Of An Instrument To Assess Understanding Of Engineering Design

2020· article· en· W2600348831 sur OpenAlexaff
Kristen Facciol, Lisa Romkey, Jason Foster

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCapstoneEngineering educationCurriculumDisciplineMultidisciplinary approachEngineering design processRubricEngineeringEngineering managementEngineering ethicsComputer scienceMathematics educationMechanical engineeringPedagogyPsychology

Résumé

récupéré en direct d'OpenAlex

Engineering design education is an important element of any undergraduate engineering curriculum.It is also an element undergoing constant evolution, reflecting the rapidly evolving needs of engineering industry and academia.Engineering graduates are expected to contribute effectively as members of multidisciplinary engineering design teams.Enabling this success requires that engineering design educators develop an understanding of the diverse disciplinary perspectives on engineering design and of the evolving perspectives of their students.This paper first describes the disciplinary perspectives that emerged as a result of some preliminary research on engineering design education, and then describes the development of an instrument for evaluating individual understandings of engineering design.Disciplinary perspectives were explored through interviewing the instructors of four capstone design courses in different engineering disciplines within a large engineering Faculty.Each instructor was asked about their instructional history, the requirements and expectations of graduates from their respective engineering undergraduate program, and their past attempts to understand course outcomes.Although instrument testing is still required, the instrument developed can be presented to a group of students at the beginning, mid-stream and completion of their capstone design course.It can also be used to track changes in students' perceptions, as well as the influence that a particular discipline may have on an individual's understanding of engineering design.Course instructors will then be able to identify which aspects of their courses are most influential and which require more development.Recognition of the design methodologies and expectations within specific engineering disciplines is an important first step in developing a curriculum that enables engineers to work across those disciplines.An instrument that supports the analysis of a Faculty's progression towards this end is a valuable addition to the engineering design educator's toolbox.

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)0,038
score de la tête « metaresearch » (Gemma)0,063
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: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,063
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,120
Tête enseignante GPT0,250
Écart entre enseignants0,131 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207