MétaCan
Menu
Retour à la cohorte
Enregistrement W3083071734

Exploring and designing sustainable management by applying and embedding creative and playful modelling methodologies in a cross cultural context

2015· preprint· en· W3083071734 sur OpenAlexaboutno aff
Krista Finstad-Milion, Klaus‐Peter Schulz

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2015
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Learning and Leadership
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmbeddingContext (archaeology)Computer scienceKnowledge managementContext modelManagement scienceHuman–computer interactionEngineeringArtificial intelligenceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the following we report about an interdisciplinary project between arts, engineering and business students, which acronym is called ARTEM (ARTEngineeringManagement) workshop. This ARTEM workshop initiates undergraduate students to Sustainability and Corporate Social Responsibility (CSR), by way of the ISO 26000 guidelines. It is built on a partnership with a regionallybased Small or Medium Enterprise (SME) which manufactures and exports "Made in France" top-ofthe range cookware worldwide. It takes place in English thus attracting business, engineering and arts students from different cultural backgrounds keen on improving their organizational CSR strategy design and implementation as well as language skills. Students actively engage in developing CSR analyses and solutions for the SME which, without external support, would not be able to address such an ambitious program. Teaming host and international visiting students together foster cross-cultural comparisons of views, interpretations and solution finding. Students are encouraged to move from the abstract to the concrete through a playful modelling approach (tool-kit based serious game), reflecting results with the company. This live case workshop responds to the search for a unique experiential learning seminar by the participating institutions of the ARTEM collaboration in Nancy (under the leadership of ICN Business School) and Western University in London, Ontario. The authors see the contribution of this paper by introducing the methodological approach and particularly the focus of embedding creative methodology in a curriculum which includes a direct interaction as a cross cultural team in professional practice. They also provide some first explorative results of the application of the methodology. The innovation of this ARTEM workshop is the unique combination of learning techniques that allow students to learn Sustainability and Corporate Social Responsibility (CSR). By having access to an ongoing real company situation, embracing a team teaching approach, promoting students` cultural diversity through teamwork, and using metaphorical modelling methods and playful interaction through tool-kit based modelling, this session promoted student engagement and co-learning.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,657
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
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 savante0,0020,001
Science ouverte0,0000,001
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 Opus0,126
Tête enseignante GPT0,291
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.

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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetOrganizational Learning and LeadershipTravaux en français237 207