MétaCan
Menu
Retour à la cohorte
Enregistrement W2604636859 · doi:10.24908/pceea.v0i0.6521

TECHNOLOGY ENTREPRENEURSHIP @ SFU: EXPERIENTIAL, INTERDISCIPLINARY LEARNING THROUGH AN IMMERSIVE TWO-YEAR PROGRAM

2017· article· en· W2604636859 sur OpenAlexafffundvenue
Kevin Oldknow, Sarah Lubik

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensSimon Fraser University
Organismes subventionnairesBritish Columbia Innovation Council
Mots-clésExperiential learningEntrepreneurshipCommercializationScope (computer science)StakeholderMechatronicsProgram Design LanguageEngineeringKnowledge managementEngineering managementEngineering ethicsSociologyComputer scienceBusinessMarketingPedagogyPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper provides an overview of experiences to date in developing and delivering the Technology Entrepreneurship @ SFU program - an interdisciplinary program in which Mechatronic Systems Engineering and Business students at Simon Fraser University collaborate on market-driven, entrepreneurial initiatives that simultaneously satisfy their respectivecapstone project requirements. The paper includes a discussion of program scope and objectives, design, implementation and revisions. The role of the program in providing experiential, interdisciplinary learning for Engineering and Business students through an immersive experience is discussed. Qualitative and quantitative program results to date are reviewed, with program enrollment and completion trends, course evaluation data and key stakeholder metrics indicating a level of successin: (1) creating an interdisciplinary, entrepreneurial culture amongst the students, (2) preparing students for future career paths that may include entrepreneurship and (3) potential further commercialization of prototypesdeveloped in the Technology Entrepreneurship program. Longer-term measures of success are also considered and discussed in light of the experiences to date.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0040,002
Science ouverte0,0020,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,007
Tête enseignante GPT0,254
Écart entre enseignants0,246 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetBiomedical and Engineering EducationTravaux en français237 207