MétaCan
Menu
Retour à la cohorte
Enregistrement W2602049327 · doi:10.24908/pceea.v0i0.6527

PREREQUISITE EVALUATION OF ENGINEERING SKILLS

2017· article· en· W2602049327 sur OpenAlexafffundvenueabout
Gérard J. Poitras, Eric Poitras

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversité de Moncton
Organismes subventionnairesUniversité de Moncton
Mots-clésAccreditationSet (abstract data type)Mathematics educationComputer scienceEngineering educationPsychologyEngineering managementEngineeringMedical educationProgramming language

Résumé

récupéré en direct d'OpenAlex

Preliminary findings obtained from a three-year study are presented where different cohorts of undergraduate civil engineering students are followed for three consecutive years while completing the Civil Engineering program at the Université de Moncton. This study outlines how a set of problem instances were developed, wherein a student performs a series of steps to formulate a solution. These steps are mapped to one or more skills, also known as procedural knowledge components, which are essential for students to have mastered from one or more previous courses in order to successfully complete the course in question. Over a hundred students from the second, third, or fourth year performed a series of problem-solving tasks that assess a common set of skills at the beginning of their respected courses. The findings obtained from the first year of this study show that students vary in their abilities to correctly solve instances of a problem on their first attempt. This suggests that there is a pressing need for assessment tools that target progressions for specific courses using the range of standards outlined by the Canadian Engineering Accreditation Board as progress indicators while providing individualized instructional modules developed on the basis of research-based understanding of how these skills develop over time for all 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 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)0,023
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,006
Tête enseignante GPT0,219
Écart entre enseignants0,213 · 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
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207