MétaCan
Menu
Retour à la cohorte
Enregistrement W2949007741 · doi:10.5206/cjsotl-rcacea.2019.1.7994

Analyzing Implicit Science and Math Outcomes in Engineering and Technology Programs

2019· article· en· W2949007741 sur OpenAlexaffvenueabout
Sima Zakani, Jake Kaupp, Roderick D. Turner, Brian Frank

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensSeneca PolytechnicQueen's UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNoveltyContext (archaeology)Computer scienceTransferabilityMathematics educationBridging (networking)MathematicsPsychology

Résumé

récupéré en direct d'OpenAlex

One of the key steps when developing pathways between baccalaureate and diploma programs is comparing learning goals between the programs. This paper presents application of a seven-dimensional framework (cognitive process, transferability, depth of analysis, interdependence, question novelty, scaffolding and communication) to analyze the implicit learning outcomes in 11 of Ontario’s post-secondary programs in engineering and engineering technology. We collected 319 calculus questions (179 from six technology programs and 140 from five engineering programs) and 205 physics questions (122 from two technology programs and 83 from four engineering programs). Content specialists assessed each question in the first four of these dimensions, and instructors from the participating institutions scored random questions from their own disclosed questions on the remaining dimensions. Analysis of scaffolding in physics questions showed that engineering questions mostly required the students to choose from or synthetize a range of approaches while technology questions often required the students to use a specific approach. The study found that technology programs focused more on discipline-specific physics concepts and their applications than physics courses in engineering. Calculus questions from both sectors mostly required application of mathematical concepts in non-contextualized scenarios or a general engineering context, with no significant difference in question novelty, scaffolding and level of communication. From a credits perspective, these results suggest that direct credit for bidirectional transfers may be warranted, and that small bridging learning modules targeting missing outcomes may be able to support efficient transfer pathways.

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)0,044
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 enseignants0,053
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,009
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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

Citations3
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207