MétaCan
Menu
Retour à la cohorte
Enregistrement W2910481355 · doi:10.24908/pceea.v0i0.13109

Approaching Sustainable Energy Transitions Through Bringing Disciplines Together: an examination of Carleton University’s graduate cross disciplinary course in sustainable energy

2018· article· en· W2910481355 sur OpenAlexaffvenue
Nathalin Moy

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInterdisciplinary Research and Collaboration
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésTeamworkBridging (networking)Sustainable energyEngineering ethicsDisciplineWork (physics)Cross disciplinarySociologyEnergy (signal processing)PedagogyPolitical scienceEngineeringComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Complex challenges in sustainable energyrequire innovation: new ways of approaching problemsand new ways of collaborating. Bridging disciplinesthrough teamwork is one way to address issues effectively. Drawing from the experiences of a graduate level crossdisciplinary course involving engineering and public policy at Carleton University, this paper seeks to provide insights on the practical side of bridging disciplines in the classroom. Offered since 2011, this is a core course of Carleton’s Master’s program in Sustainable Energy Engineering and Policy. Working in groups, students envision and develop plans for novel sustainable energy projects. Through our experiences we posit the following three suggestions for successful interdisciplinary teamwork. First, ensuring that students embarking on a course share a similar foundation. Second, lessons from literature regarding team dynamics can be applied to group project work. Thirdly, that group work, challenging at times, may later be found valuable in life beyond the classroom

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,969
Score d'incertitude au seuil0,327

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0200,010
Communication savante0,0120,004
Science ouverte0,0030,013
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,028
Tête enseignante GPT0,315
Écart entre enseignants0,287 · 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'étudeQualitatif
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetInterdisciplinary Research and CollaborationTravaux en français237 207