TEACHING THE FUNDAMENTALS OF CIVIL ENGINEERING MATERIALS THROUGH EXPERIENTIAL LEARNING
Notice bibliographique
Résumé
This study presents an overview of a civil engineering materials course curriculum at Carleton University developed by the authors. The curriculum aims to move away from traditional civil engineering materials courses, which focus heavily on concepts related to material science, and instead concentrate on concepts that are more relevant to today’s practicing civil engineers. The rationale, application, and analysis of the integration of these concepts through an advanced application of case-based and experiential learning is discussed. Central to this new course curriculum is a hands-on experiential learning activity on the construction and experimental testing of reinforced concrete beam specimens in lab sections of approximately 25 students. The goal of the lab is to provide students with a hands-on learning experience and use this as a tool to cover advanced topics related to civil engineering; for example, environmental sustainability and resilience. The assessment of the students’ understanding of the concepts taught in class were performed through the use of an anonymous questionnaire distributed at the end of the course and through traditional examination and assignments. Results of the survey were compared between classes who engaged in the advanced experiential learning laboratory and those who did not. The results demonstrate that after introducing experiential learning into the course curriculum, students were more likely to form an educated opinion on the potential sustainability of a material. Experiential learning is shown to be a valuable tool for engineering education that, when used efficiently, can seamlessly incorporate newly emerging engineering concepts to ensure that graduating students are equipped with the knowledge and tools they require to be competitive in the job market. The relation of the course to contemporary accreditation of Graduate attributes is discussed at length along with critical information regarding the effectiveness of balancing student engagement in STEM subjects.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».