MétaCan
Menu
Retour à la cohorte
Enregistrement W3035871683 · doi:10.24908/pceea.vi0.14149

STUDENT AND FACULTY PERCEPTIONS OF CAPSTONE PURPOSES: WHAT CAN ENGINEERING LEARN FROM OTHER DISCIPLINES?

2020· article· en· W3035871683 sur OpenAlexaffvenueabout
Julie Vale, Karen Gordon, Russell Kirkscey, Jennifer Hill

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueCommunication in Education and Healthcare
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCapstoneCurriculumEngineering educationCompassionMedical educationOpenness to experiencePerceptionCapstone coursePsychologyEngineering ethicsPedagogyEngineeringEngineering managementMedicineComputer sciencePolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Capstone Experiences (CE) are meant to integrate and culminate the student experience. The most common CE in the Canadian and American engineering curriculums is the final year design course, but other disciplines also have capstone experiences. This paper presents initial results from a multi-institutional, multi-national survey of faculty and student perceptions of capstone experiences. Here, we investigate three criteria (Values, Skills/competencies, Attitudes) and discuss differences and similarities among the disciplines and between engineering students and faculty. There is good alignment between engineering faculty and students, but values such as openness and compassion are selected at (comparatively) lower rates by engineering faculty and students than by other disciplines. These findings provide an opportunity for engineering educators to reflect on the intentions of their CE; e.g., are these results an intentional outcome of engineering capstones, or an oversight on the part of engineering educators?

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)0,006
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,320
Écart entre enseignants0,296 · 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'étudeQualitatif
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

Citations6
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetCommunication in Education and HealthcareTravaux en français237 207