MétaCan
Menu
Retour à la cohorte
Enregistrement W3002291650 · doi:10.24908/pceea.vi0.13766

DISCOVERE: AN OUTREACH PROGRAM AT THE SCHOOL OF ENGINEERING

2019· article· en· W3002291650 sur OpenAlexaffvenueabout
Yang Cao, Seach Chyr Goh, Ahmad Rteil, Debbie Roberts, Kevin Golovin

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOutreachCurriculumVariety (cybernetics)PassionEngineering educationEngineeringEngineering ethicsEngineering managementCivil engineeringPedagogySociologyComputer sciencePolitical sciencePsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Canadian universities are devoting more and more resources to develop K-12 engineering education outreach programs. The School of Engineering at the University of British Columbia’s Okanagan campus offers a variety of outreach and community programs for students of all ages. This paper provides details on the DiscoverE Engineering Summer Program which has been delivered since 2016. The objective of the program is to introduce students general design processes through hands-on civil, electrical, and mechanical engineering projects. The overall goal is to foster a passion in engineering and at the same time attract students who have already had an interest in engineering and are eager to learn more about the discipline. The program is taught by faculty members and exposes students to a variety of hands-on projects in civil, electrical and mechanical engineering. This paper will provide curriculum details for each topic and reflect on the student learning experience based on observations. Future qualitative plans on the measure of the impact of this program qualitatively will be explored.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,416

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0130,002
Communication savante0,0020,001
Science ouverte0,0020,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0680,008

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 Opus0,003
Tête enseignante GPT0,189
Écart entre enseignants0,186 · 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'étudeSans objet
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 revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207