MétaCan
Menu
Retour à la cohorte
Enregistrement W3093527445 · doi:10.5430/ijhe.v10n1p157

Gender and Civil Engineering in Higher Education: The Case of Mauritius

2020· article· en· W3093527445 sur OpenAlexvenueno aff
Noshmee Devi Baguant

Notice bibliographique

RevueInternational Journal of Higher Education · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHigher educationEngineering educationInstitutionField (mathematics)Gender disparityEngineering ethicsEngineeringPolitical sciencePublic relationsSociologySocial scienceGender studiesEngineering managementLaw

Résumé

récupéré en direct d'OpenAlex

Engineering plays a crucial role in everyday life and is the backbone of growth and development of the world including Mauritius. To embrace development, higher education institutions have to ensure that students are equipped with appropriate knowledge and skills to meet the needs of the country. Unfortunately, data shows that there is an underlying gender disparity in civil engineering training in higher education. It is imperative to understand the causes of gender inequity in engineering in higher education. This paper summarises the findings obtained from in-depth critical individual conversations with three participants, which explored the under-representation of undergraduate female students in a civil engineering degree in a higher education institution in Mauritius. The aim was to find ways in which the recruitment of female students in higher education and advancement of women in the field of civil engineering can be achieved. The findings support the ‘non-visibility’ of civil engineering as a field to study by women and the need to fit in as an engineer by women. As a result of the research, recommendations were made to assist policy and decision makers to develop evidence-based policies to address gender inequity in engineering in higher education.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0210,010
Communication savante0,0040,002
Science ouverte0,0010,007
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,016
Tête enseignante GPT0,263
Écart entre enseignants0,247 · 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'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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207