MétaCan
Menu
Retour à la cohorte
Enregistrement W2604240173 · doi:10.24908/pceea.v0i0.6519

Creativity in Design Engineers: Attitudes, Opinions and Potentially Influential Factors

2017· article· en· W2604240173 sur OpenAlexafffundvenueabout
Paul Neufeld, Omid Mirzaei, Mark A. Runco, Sean Maw

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversity of Saskatchewan
Mots-clésCreativityRespondentPsychologyMathematics educationCurriculumVariety (cybernetics)PedagogyComputer scienceSocial psychologyPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Is creativity important in engineering design? If it is, then why do most undergraduate engineering programs spend so little time teaching creativity? And therefore, as a result of our programs, do our students emerge more creative, less creative or no different compared to when they arrived? If creativity is worth developing, can we accurately measure it in our students, and can we enhance it systematically?These were some of the questions that motivated the initiation of a creativity research program in the College of Engineering at the University of Saskatchewan. The assumption was that creativity is important in engineering, especially in design. The intent was to understand how we could assess creativity in our students and then enhance it.The focus of this initial study is a precursor to many of these more applied questions. We had students and faculty from a variety of Colleges, including Engineering, answer an online survey that probed attitudes towards creativity, respondent personality characteristics, opinions regarding conditional influences on creativity, and potential demographic factors influencing the creativity of individuals. As well, we employed a validated creativity attitudes and beliefs measurement tool (rCAB) as an accepted benchmark for assessment.The survey included both closed- and open-ended questions. The results from some of the open-ended questions have been analyzed to determine emerging groups of similar types of answers, and then efforts have been made to relate the groups in a meaningful framework.The results for the Engineering students are emphasized, but they are also compared with students and faculty from other Colleges. Closed questions were analyzed using inferential statistical tests (distributions, means, standard deviations, t-tests, ANOVA, Cronbach’s alpha), while the open-ended responses are compared more qualitatively when they cannot be quantified easily.The survey went through ethics approval and was distributed in the latter half of the Fall 2015 term.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,017
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,304
Écart entre enseignants0,277 · 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 tête enseignante, 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

Citations4
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetCreativity in Education and NeuroscienceTravaux en français237 207