MétaCan
Menu
Retour à la cohorte
Enregistrement W2886079090 · doi:10.24908/pceea.v0i0.7356

THE ART OF THE POSSIBLE: DEVELOPING A COURSE TO INTRODUCE ENGINEERING TO NON-ENGINEERS

2017· article· en· W2886079090 sur OpenAlexaffvenue
Agnes D’Entremont, Patrick Kirchen, Naoko Ellis, Cristian Grecu, Sheldon Green

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésThe artsDisciplineLiteracyReflection (computer programming)Computer scienceEngineering educationEngineering ethicsEngineeringMathematics educationMultimediaPedagogyEngineering managementPsychologySociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Understanding engineering is an important factor in fully participating in civic decision-making, however there are few opportunities for those outside engineering to learn about it. We developed and offered a course on engineering for Arts (and Commerce) students, to increase technical literacy, which counted toward the Arts degree Science requirement. A teaching team from three disciplines presented four technical modules themed around specific technologies, and covering a wide range of engineering practice topics. Students participated in many hands-on activities and demonstrations, and instructors used flipped classroom techniques. Assessment for each module consisted of both a short technical online quiz and a blog post about a topic in the news, which allowed students to bring in their own disciplinary knowledge. The final assessment was a group video project where students aimed to advocate for a position on a technical/civic issue related to one of the modules. We detail in this paper the results of our consultations with Arts; the course structure and goals; some of the specific content and activities designed (with an emphasison correctly targeting pre-existing knowledge of the students); a reflection on the successes and challenges in the first offering, including student feedback; and suggestions for others who might want to develop such a course.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0030,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,005

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 GPT0,300
Écart entre enseignants0,289 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetInnovative Teaching MethodsTravaux en français237 207