MétaCan
Menu
Retour à la cohorte
Enregistrement W3002964367 · doi:10.24908/pceea.vi0.13750

CLIENT-BASED CORNERSTONE DESIGN PROJECTS

2019· article· en· W3002964367 sur OpenAlexafffundvenueabout
Justine Boudreau, Hanan Anis

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCornerstoneMultidisciplinary approachFlexibility (engineering)Engineering design processWork (physics)Process (computing)IndigenousEngineering managementBest practiceMedical educationComputer scienceEngineeringMedicineSociologyManagement

Résumé

récupéré en direct d'OpenAlex

Engineering students at the University of Ottawa are exposed to engineering design in first- and second-year courses. Both courses are open to all engineering students and are multidisciplinary in nature. Students work in teams to deliver a physical prototype by the end of the term. The design projects are all community-based and involve a client from the local community with a specific unmet need. Examples of such clients include local hospitals, accessibility organizations, Ottawa police, Indigenous elders and many more. The client meets with the students a minimum of three times throughout the semester to provide the problem definition and give feedback to the student groups at different stages of the design process. The goal of this paper is to share best practices in selecting and delivering client-based projects targeting first- and second-year students in multidisciplinary engineering teams. The paper discusses the choice of project themes and specific projects. In addition, it presents lessons learned based on student-client interactions, lab manager-client interactions and client satisfaction. Examples are presented from the past three years of delivering such engineering design courses, with testimonials from clients and students.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,700

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,171
Écart entre enseignants0,165 · 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

Citations2
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

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