MétaCan
Menu
Retour à la cohorte
Enregistrement W2959517998 · doi:10.5430/ijhe.v8n4p98

Early Incorporation of Entrepreneurship Mindset in An Engineering Curriculum

2019· article· en· W2959517998 sur OpenAlexvenueno aff
Mehran Andalibi

Notice bibliographique

RevueInternational Journal of Higher Education · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMindsetRubricCurriculumEntrepreneurshipClass (philosophy)Mathematics educationEntrepreneurship educationCreative problem-solvingCreativityAnalytical skillEngineering managementEngineeringComputer sciencePedagogyPsychologyPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In the study herein aimed at incorporating the entrepreneurship mindset early on in the engineering curriculum of undergraduate students via a final project of an introductory programming course with MATLAB. Students were asked to find a need on campus, in the society, or in the market with a business potential and write a standalone application to solve that problem. Prior to the start of project, students were required to study an online module developed by KEEN on generating new ideas in which they learned the definitions and differences between an idea and an opportunity, and different methods of recognizing business opportunities, followed by online quizzes. The study found that students were interested in learning about entrepreneurship and using the technical skills learned in class to solve a real-world problem with potential business opportunities; they enjoyed the course material more and it reinforced their learning of previous topics; and more importantly, it attracted students’ attentions toward self-employment. Pre- and post-assessment of creative thinking using standard AACU rubrics also showed a significant increase in the levels of students’ creative thinking skills due to participation in this project

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,199
Score d'incertitude au seuil0,324

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,006
Tête enseignante GPT0,242
Écart entre enseignants0,236 · 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'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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetBiomedical and Engineering EducationTravaux en français237 207