Panel Session: Case Study Teaching in Computing Curricula
Notice bibliographique
Résumé
Abstract Panel Session –Case Study Teaching in Computing CurriculaMassood Towhidnejad, Salamah Salamah, Thomas HilburnEmbry-Riddle Aeronautical University600 S. Clyde Morris Blvd.Daytona Beach, Fl, 32114towhid@erau.edu, salamahs@erau.edu. hilburn@erau.eduAbstractThe use of case studies is an effective method for introducing real-world professional practices into theclassroom. Case studies have become a proven and pervasive method of teaching about professionalpractice in such fields as business, law, and medicine. Case studies can provide a means to simulatepractice, raise the level of critical thinking skills, enhance listening/cooperative learning skills, anddevelop problem solving skills. Although the use of case studies in education has shown success in theabove mentioned disciplines, it is yet to be adopted in any significant way in the computing education.This panel session will explore central issues about the use of case study teaching: What is it? What areits advantages and challenges? Where and how should case study teaching be used? What resources andtraining support is available? In addition, to the panel discussion and Q &A, the session will engage theaudience in a simple exercise related to a smart house case study (http://www.softwarecasestudy.org/).Potential PanelistsDr. Sushil Acharya, Robert Morris UniversityDr. Steven Roach, University of Texas, El PasoDr. Salamah Salamah, Embry-Riddle Aeronautical UniversityDr. Walter Schilling, Milwaukee School of EngineeringDr. Massood Towhidnejad, Embry-Riddle Aeronautical University, Panel ModeratorReferences1. Thomas B. Hilburn, Massood Towhidnejad, A Case for Software Engineering, Proceedings of the 20th Conference on Software Engineering Education and Training (CSEET), Dublin, Ireland, July, 2007, 107-114.2. Salamah Salamah, Massood Towhidnejad, Thomas B. Hilburn, Reporting on the Use of a Software Development Case Study in Computing Curricula, Proceedings of 2011 ASEE Annual Conference & Exposition, Vancouver, BC, June 2011.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,180 | 0,062 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».