MétaCan
Menu
Retour à la cohorte
Enregistrement W2909081543 · doi:10.24908/pceea.v0i0.13050

MAKING UNDERGRADUATE RESEARCH EXPERIENCE MORE PRODUCTIVE

2018· article· en· W2909081543 sur OpenAlexaffvenueabout
Rahmat Budiman, Zhitao Zheng

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Pedagogy
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)AccreditationPortfolioUndergraduate researchComputer scienceContent analysisMedical educationGraduate studentsMathematics educationPsychologyEngineering managementPedagogyEngineeringSociologyMedicineBusinessArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Problem analysis is taught in the classroomenvironment by having students solve problems that oftenhave ready solutions. Because classroom problems areoften solvable within an hour, problem analysis, as oneCEAB (Canadian Engineering Accreditation Board)graduate attribute, may be viewed separately from othergraduate attributes. Students participating inundergraduate research, however, learn problem analysisby also developing investigative skills, use of engineeringtools (Matlab, Excel), even communication skills. In thispaper we discuss our undergraduate research experiencefrom perspectives of mentor and mentee. Mentor'smotivation to recruit undergraduate research studentscould include (i) high probability of finding talentedstudents to work on project of relatively short duration(i.e., one year) and (ii) producing solutions to a variety ofproblems that could lead to research problems. Thesemotivations align well with motivations of undergraduateresearch mentees, i.e., experience in solving morerealistic (open-ended) problems and strengthening theirresearch portfolios. Generating "real world" problemscan be achieved by introducing student-proposed designor analysis project component into a third-year course.Projects completed can then be continued into summerresearch projects. Results from the summer projects inturn enrich the third-year course content. To makeundergraduate research experience more productive,mentor encourages mentee to write and present together aconference paper, such as CEEA 2018 Conference.National-level conference experience would strengthenstudent's research portfolio. Projects with highertechnical content could even be presented to engineeringconferences, which is what we are aiming for. We discussways to increase student participation. We provide acourse project template for faculty members who areinterested in adopting our experience into their teachingand research activities.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,154
Score d'incertitude au seuil0,736

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0000,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,330
Écart entre enseignants0,293 · 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

Citations1
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and PedagogyTravaux en français237 207