MétaCan
Menu
Retour à la cohorte
Enregistrement W2620108271 · doi:10.18260/1-2--18068

How to Design a Design Project: Guidance for New Instructors in First and Second Year Engineering Courses

2020· article· en· W2620108271 sur OpenAlexaffabout
Andrew Trivett, Stephen Champion

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Pedagogy
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésClass (philosophy)CurriculumComputer scienceSet (abstract data type)Project-based learningResource (disambiguation)Nova scotiaMathematics educationActive learning (machine learning)Engineering managementEngineeringPedagogyPsychologyArtificial intelligenceSociology

Résumé

récupéré en direct d'OpenAlex

Abstract The development of a resource tool for design project instructors in first and second year PBL coursesAbstractEngineering programs throughout North America continue to add curriculum approaches that useproject-based learning (PBL). 7 Atlantic Canadian universities share a common first two yearengineering program, and all have begun to implement a design-project core of coursesthroughout all common semesters. One of the difficulties in implementing the courses is thecomfort level of instructors with the teaching methods. This problem is exacerbated by thewidely different class-sizes and physical resources of all 7 campuses.This paper describes the development of a set of teaching resources to help aid the adoption ofnew project-based learning approaches. While the intent of the project was to specifically aidfaculty in the 7 target programs in Nova Scotia and Prince Edward Island, this problem is seen inmany universities where faculty are unfamiliar with PBL teaching approaches, and thus arereluctant or resistant to introduce these to their classes. The resource approach is to developmodular content within six major categories, a) active learning class structures, b) in-classapproaches, c) active learning assignment bank, d) evaluation methods, e) case studies andexample projects, f) problems encountered and lessons learned.Each of the major topics was selected based on the expectation of the needs of an instructor on aday-to-day basis while teaching. The project demonstrates an initial set of content in eachcategory. Since it was assumed that a fixed content bank would quickly become obsolete,approaches to ensure that the content is continually updated by faculty were implemented at theoutset. The initial implementation has been demonstrated in on-line course managementsoftware, and can be utilized in many university engineering faculties. A report of initialfeedback from teaching faculty to the tools will be part of the presentation.

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)0,015
score de la tête « metaresearch » (Gemma)0,033
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0050,005
Science ouverte0,0030,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0210,012

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 Opus0,056
Tête enseignante GPT0,258
Écart entre enseignants0,202 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEngineering Education and PedagogyTravaux en français237 207