MétaCan
Menu
Retour à la cohorte
Enregistrement W2898503720 · doi:10.3390/proceedings2211365

Adapting to Engineering Education Vision 2020

2018· article· en· W2898503720 sur OpenAlexaff
Musarat Yasmin, Farhat Naseem, Malik Hassan Raza

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Multidisciplinary approachEngineering ethicsEngineeringSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Interdisciplinary energy research has become inevitable in the context of perceived energy break-point after 2050. Power and energy crisis is a matter of life or death for industry and human race on earth. Oil and natural gas peaking alarms started ringing by the start of the 21st century. Available energy reserves are emptying at of thousands of barrels per second and time to discover new energy sources is being wasted to convince and advocate disciplinarians going for interdisciplinary research approach. We will have to invent new ways of supplying 30% of the global energy demand by 2030 and 60% by 2050. It is not possible without putting the emerging bio, nano, and info technologies together in power and energy research laboratories under interdisciplinary and trans-disciplinary approaches. Electrical engineers badly need the supportive hand of energy scientists and technologists to overcome global power, energy, food, and water crises. Engineers and scientists often find it difficult to tolerate each other and usually end up with duplicate resources without any presentable output which requires motivation to develop teamwork spirit to succeed. This paper unveils the potential urgency for an interdisciplinary research approach concerning embedded energy research barriers and solutions in developing countries. Enhancing power and energy multidisciplinary research is a vital general formula that can be tailored to specific regional conditions to minimize the greenhorn blues to run local and global interdisciplinary research programs.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil0,712

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,001

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,215
Écart entre enseignants0,212 · 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'étudeSans objet
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBiomedical and Engineering EducationTravaux en français237 207