MétaCan
Menu
Retour à la cohorte
Enregistrement W2978487896 · doi:10.24908/pceea.v0i0.10539

A COURSE BASED APPROACH TO RECOGNIZING STUDENT EFFORTS IN ENGINEERING DESIGN COMPETITIONS

2018· article· en· W2978487896 sur OpenAlexafffundvenueabout
Patrick Dumond

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ottawa
Mots-clésExperiential learningCompetition (biology)Medical educationCourse (navigation)Work (physics)Scale (ratio)Project-based learningPsychologyEngineeringMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract –Recently, the University of Ottawa has sought to increase experiential learning opportunities for its engineering students. A great deal of effort has been made to remove barriers and increase resources for students participating in large-scale international engineering design competitions. However, so far students involved have participated in these extracurricular activities purely out of interest and to gain experience. In this paper, we seek to recognize this immense effort made by students by developing a course in which students can receive credits for working on these projects. The course was split into two sessions per week involving three hours of lecturing, practical learning activities and group meetings with full guidance from the instructor and three hours of laboratory time for students to work on their project. A few key aspects of the course were found to highly benefit the teams that had participating members in the course. A technical skill development project requiring each student to develop a new skill considered useful by their teams, proved to be the course highlight. Inter-team collaboration developed and continued after the course ended. Other aspects, while beneficial, would require improvement in future offerings the course. Extensive design report writing and presentations in the course solidified participating students’ abilities in these aspects, which was made evidently clear during these portions of each competition, but drew extensive complaints from students. Customized quizzes related to the specific competition rules for each team, given early on, gave poor results but helped strengthen rule compliance compared to previous years. Finally, improved team organization and a significant increase in team performance at competition was achieved by all teams who had students participating in the course, demonstrating the course’s success.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,326
Score d'incertitude au seuil0,954

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,009
Tête enseignante GPT0,208
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetBiomedical and Engineering EducationTravaux en français237 207