OUTCOME COMPARISON FRAMEWORK FOR DESIGN COURSES IN ENGINEERING AND TECHNOLOGY
Notice bibliographique
Résumé
Abstract – Inconsistent transfer policies, lack of articulated syllabi, and subsequent differences on the delivery of comparable courses are a few examples of the obstacles that Ontario students face when trying to change programs. This study sought to develop a framework to support transfer between engineering and engineering technology programs in Ontario using explicit and implicit course outcomes to help develop and define new pathways. Primarily focusing on program expectations in introductory design courses this study compared the content and context of design projects in different institutions and programs across the province. The contextual framework, namely the “Outcome Comparison Framework for Engineering and Technology”, synthesized relevant elements from existing frameworks which can collectively identify the differences in the context of learning in engineering and technology disciplines. This framework looks into disciplinarity, use of tools and design thinking required to successfully finish a design project. We collected design projects from 5 technology programs and 4 engineering programs across the province and coded them based on the content targeted by the project description and the three dimensions of the framework. Content analysis for design courses showed an overall low percentage of alignment between the learning outcomes and the project descriptions across the board. It was found that engineering design courses were more focused on principles of engineering design (problem definition, stakeholder needs, idea generation, decision making) and development of professional characteristics (workplace communication skills, ethics, etc.); but technology design courses, focused on the use of more “hands-on”' skills (building/implementation, troubleshooting, etc.)
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».