MétaCan
Menu
Retour à la cohorte
Enregistrement W2783644831 · doi:10.1115/imece2017-72290

Control Theory Practices Applied to Teaching Practical Control Theory

2017· article· en· W2783644831 sur OpenAlexaff
Leo Stocco, Ignacio Galiano, Francisco Paz, Roberto Rosales, David Feixo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOutcome (game theory)Controller (irrigation)Set (abstract data type)Control (management)Computer scienceCourse (navigation)Range (aeronautics)Point (geometry)Control systemMacroControl engineeringControl theory (sociology)Artificial intelligenceEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Control theory is useful in a broad range of diverse applications that include mechanical, electrical and chemical systems. This work extends the application of control theory from achieving a desired technical outcome to achieving a desired pedagogical outcome. In this paper, the desired outcome is the teaching and learning of applied control systems theory. In the proposed model, the student is the plant, their skill set is the set point, the instructor is the controller, and either an exam or a project-based-learning (PBL) course is the sensor. The PBL course is used to evaluate the actual skill set of the students and the difference between the actual and desired skill set (error signal) is fed back to the professor to initiate curricular changes. This model is shown to be applicable at various levels. At the micro level, examinations within a course are used to optimize that course. At the intermediate level, a PBL course is used as the sensor for a conventional lecture-based course. At the macro level, the departmental program as a whole is matched to the needs of industry in pursuit of a 100% employment rate of its 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 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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,299
Écart entre enseignants0,288 · 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.

Devis d'étudeThéorique ou conceptuel
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'admission1
Résumé présentoui

Explorer davantage

Même sujetExperimental Learning in EngineeringTravaux en français237 207