MétaCan
Menu
Retour à la cohorte
Enregistrement W2883634368 · doi:10.24908/pceea.v0i0.12970

Making writing practices visible and sustainable in the engineering curriculum: a practice architectures theory analysis

2018· article· en· W2883634368 sur OpenAlexvenueno aff
Rosalie Goldsmith, Keith Willey

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Government
Mots-clésCurriculumEngineering educationEngineering ethicsSubject (documents)Best practiceEngineeringMathematics educationComputer sciencePedagogyEngineering managementSociologyPsychologyManagement

Résumé

récupéré en direct d'OpenAlex

Engineering practice requires engineers who have strong spoken and written communication skills, but the development of these skills, notably writing practices, is often invisible in the engineering curriculum, and rarely embedded. Decades of reviews of engineering education have identified the gap between the engineering curriculum and engineering practice, such as engineering graduates’ level of writing skills being inadequate for the workplace. This paper draws on research from a qualitative study which investigates the perspectives of engineering educators about writing practices in the engineering curriculum, utilizing the theory of practice architectures as a theoretical and methodological lens. Using examples from the case studies, we explore some constraints of the development of writing practices in the engineering curriculum. We then focus on case studies where the development of writing practices is enabled within a subject, across a sequence of subjects and throughout an engineering degree program, and identify elements that contribute to these practices. Our findings suggest that the development of writing practices can be integrated into engineering studies, but certain pre-conditions are required.

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)0,004
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 enseignants0,305
Score d'incertitude au seuil0,770

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,005
Tête enseignante GPT0,246
Écart entre enseignants0,240 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207