MétaCan
Menu
Retour à la cohorte
Enregistrement W2942686895 · doi:10.5539/ies.v12n5p133

Self-Regulation Strategies in an Engineering Design Project

2019· article· en· W2942686895 sur OpenAlexaffvenue
Oenardi Lawanto, Andreas Febrian, Deborah L. Butler, Mani Mina

Notice bibliographique

RevueInternational Education Studies · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Science Foundation
Mots-clésTask (project management)DeliverablePsychologyCapstoneEngineering educationProcess (computing)Engineering design processProcess managementMathematics educationComputer scienceKnowledge managementEngineering managementEngineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

Models of self-regulation describe how individuals engage deliberately and reflectively in goal-directed action in order to achieve valued goals. Studies have found that the consistent use of self-regulation in an academic setting is highly correlated with student achievement. Self-regulation plays a critical role in problem-solving, particularly when unraveling ill-structured problems as is required in engineering design. The primary research question: How did engineering students perceive their self-regulation activities while engaged in a design project? A total of 307 students from three higher education institutions working on their capstone engineering design projects participated in the study. The study evaluated students’ self-regulation in relation to both design and project management skills. We used a self-regulation in engineering design questionnaire (EDMQ) to assess students’ approaches to self-regulation. Quantitative data were analyzed in two parts using descriptive and inferential statistics. Findings suggested that: (1) Students focused more consistently on task interpretation than other self-regulatory strategies, particularly during design; (2) Students lacked awareness of the essential need to develop a method to assess the design deliverables; (3) Self-regulation gaps were found during early design phases, but as the design process progressed, a more balanced approach to self-regulation was apparent. Given the importance of task interpretation to successful performance, students attended to identifying tasks during both the design process and project management. However, they did not report engaging in planning, implementing, and monitoring and fix-up strategies as consistently, even when those processes were relevant and called for. Implications are drawn for research, theory, and practice.

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)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,132
Tête enseignante GPT0,498
Écart entre enseignants0,365 · 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'étudeObservationnel
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

Citations10
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207