COMPARING AND ALIGNING OUTCOMES OF TWO ENGINEERING AND TECHNOLOGY DISCIPLINES IN ONTARIO
Notice bibliographique
Résumé
Abstract –The separate development of engineering and technology programs in Ontario has made transfer between these program types a complicated process. The process often requires assessment on a case-by-case basis and considers different aspects of knowledge, skills, and performance. This study was conducted to determine the level equivalency between two engineering and technology disciplines with the purpose of informing the development of transfer policy and comprehensive bridging programs in the province. Outcomes, content, and function of engineering and technology programs in Ontario were analyzed using a common framework in two disciplines: mechanical and electrical. Material from 7 engineering and 10 technology programs, including syllabi, learning outcomes, and reports was collected and analyzed, along with publically available information about programs. Slightly less than 40% of the courses in representative first year Mechanical and first and second year Electrical/Electronics Technology programs had equivalency to courses in engineering degree programs. The level of cognitive process expected for problemsolving outcomes is higher in the engineering programs than technology programs, and vice versa for outcomes related to hands-on skills. Overall, the analysis indicated sufficient alignment between engineering and technology programs to suggest transfer students may have acquired the necessary skills and knowledge of introductory level courses that are similar in content. Through hybrid bridging subjects and tests on prior knowledge, engineering programs can ensure incoming transfer students meet all CEAB accreditation criteria.
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 | 0,000 |
| 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 ».