MétaCan
Menu
Retour à la cohorte
Enregistrement W3154546967 · doi:10.1002/cjce.24140

A learner's journey towards a chemical engineering degree

2021· article· en· W3154546967 sur OpenAlexaffvenue
Jake Nease, Vincent Leung, Shelir Ebrahimi, Beth Levinson, Ishwar K. Puri, Carlos D. M. Filipe

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCurriculumBridge (graph theory)Project-based learningWork (physics)Computer scienceEngineering educationDegree programMathematics educationCooperative learningEngineering managementEngineeringTeaching methodPsychologyPedagogyMedical educationMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The overall goal of any engineering program is to maximize the capacity of its graduates to succeed academically and professionally. We describe how a path can be designed for learners to proceed towards this goal and describe the rationale used to create its foundational steps. It begins with a summer bridge program for incoming students before entering university as first‐year undergraduates. Since the prior knowledge of these learners is not uniform, the bridge program is designed to provide opportunities for them to become better prepared academically for first‐year engineering. These students thus transition to university‐level learning more smoothly. In their first year, students work in groups to tackle socially relevant projects through an integrated 13‐unit course that is designed based on integrated learning, collaboration, problem‐solving, community engagement, and communication. Since teaching and learning using this approach is unusual and challenging, the curriculum must be carefully designed and implemented with adequate resources in place, particularly for cohorts of more than 1000 students in our case who work in small four or five‐member teams. In upper years, learning in chemical engineering is enriched by conducting discovery‐based workshops where students work on engineering problems requiring the application of new mathematical concepts. Finally, we describe a hybrid method for testing and assessment, where learners take tests individually, following which they are also provided with the option to retake these tests in groups to promote collaborative learning. Retaking tests in teams enhances the ability of learners to reflect and learn from mistakes and promotes peer mentoring.

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)0,009
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0140,004
Communication savante0,0110,004
Science ouverte0,0020,010
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,051
Tête enseignante GPT0,302
Écart entre enseignants0,252 · 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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207