MétaCan
Menu
Retour à la cohorte
Enregistrement W3001186159 · doi:10.24908/pceea.vi0.13740

ADDRESSING DIVERSITY AND GENDER ISSUES IN A CORNERSTONE DESIGN COURSE

2019· article· en· W3001186159 sur OpenAlexaffvenueabout
Sarah R. Nicholson, Patrick Neumann, Mary F. Stewart, Filippo A. Salustri

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésCornerstoneDiversity (politics)DemographicsInclusion (mineral)Gender diversityContext (archaeology)Equity (law)Focus groupPsychologyGender equityQualitative researchMedical educationSocial psychologyGender studiesSociologyMedicinePolitical scienceSocial scienceManagementGeographyDemography

Résumé

récupéré en direct d'OpenAlex

In the cornerstone engineering design course for Mechanical and Industrial Engineering undergraduates at Ryerson University, students’ design approaches were being negatively affected by gender and other biases. Therefore, the course was modified to encourage students to explore these biases, with an initial emphasis on gender so that they may design with a fuller sense of women’s issues. This novel endeavour aimed to change the course’s culture via awareness, and by connecting equity, diversity, and inclusion to an engineering context. Qualitative analysis of student reports before and after these modifications showed that the intervention led to user groups that more closely matched actual demographics and included a higher number of women, LGBTQ, and elderly Personas than before. Furthermore, the qualitative descriptions showed less of a skewed tendency to attribute positive characteristics to men and negative characteristics to women after the course modifications were implemented. Student surveys indicated that there was a potential cultural shift within the course, and a broadening of student focus to include equity, diversity, and inclusion when undertaking an engineering design 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 enseignants0,078
Score d'incertitude au seuil0,585

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 Opus0,021
Tête enseignante GPT0,227
Écart entre enseignants0,206 · 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

Citations2
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207