MétaCan
Menu
Retour à la cohorte
Enregistrement W2910722538 · doi:10.24908/pceea.v0i0.13036

Developing a Laboratory for Engineering Education in Mechatronics

2018· article· en· W2910722538 sur OpenAlexvenueaboutno aff
Alireza Fazlirad, Robert W. Brennan

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMechatronics Education and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMechatronicsEngineeringContext (archaeology)Engineering managementProcess (computing)Engineering educationEngineering design processWork (physics)Manufacturing engineeringSystems engineeringMechanical engineeringComputer scienceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper reports the development processof a laboratory in mechatronics for mechanicalengineering education at the undergraduate level. The labwas developed to meet two primary objectives: creatingand enhancing opportunities for student skill developmentin the context of two key Canadian EngineeringAccreditation Board (CEAB) graduate attributes, andproviding hands-on experience in mechatronic design inline with current trends in mechatronics education andindustrial practice.Of the twelve CEAB attributes, “Design” and “Useof Engineering Tools” are most compatible with the labin mechatronics. The mechatronics lab was developed,providing occasion for students to engage in engineeringdesign work and use modern engineering equipment inthe process.In step with trends and requirements of industry,mechatronics education in recent years has made a shifttoward integration of microcontrollers with sensors andactuators as integral parts of mechatronics design work.Mechatronics equipment has also become more widelyavailable at lower cost, enabling broader access andcreating the possibility of replicating industrial projectson a smaller scale within a university lab. Themechatronics lab reflects these developments.This paper also explores the continuity of learningoutcomes from lectures to labs and the connectionbetween these outcomes and graduate attributes. Itoutlines some of the issues and limitations encountered.We also report on qualitative student experience based oninteractions and informal student feedback.

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)0,007
score de la tête « metaresearch » (Gemma)0,006
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: Méthodes
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,003
Communication savante0,0050,002
Science ouverte0,0030,006
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0210,007

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 Opus0,006
Tête enseignante GPT0,219
Écart entre enseignants0,213 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetMechatronics Education and ApplicationsTravaux en français237 207