MétaCan
Menu
Retour à la cohorte
Enregistrement W3161502398 · doi:10.4018/978-1-7998-7331-0.ch005

Cross-Cultural Virtual Team Projects

2021· book-chapter· en· W3161502398 sur OpenAlexaff
Anuli Ndubuisi, Elham Marzi, James D. Slotta

Notice bibliographique

RevueAdvances in educational technologies and instructional design book series · 2021
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueInternational Student and Expatriate Challenges
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMulticulturalismInterdependenceMultidisciplinary approachIntercultural competenceCompetence (human resources)Knowledge managementEngineeringWork (physics)Virtual teamPsychologyPedagogyPolitical scienceComputer scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Future engineers require global and intercultural competencies to prepare them to work in an increasingly multicultural, digitized, and interdependent global economy. To enhance engineering students' international exposure, awareness, and cultural experiences, the authors developed a unique international virtual team program that engaged students in collaborative project-based learning with peers around the world. Each virtual team consisted of multidisciplinary students from various countries and institutions. The students' knowledge and understanding of intercultural competence were evaluated before and after the program to ascertain its impact on their understanding of intercultural sensitivities and collaboration in virtual teams. Recommendations for learning enhancements were proposed. The authors found the integration of intercultural content with the global virtual team projects to be a successful strategy for helping engineering students build intercultural competencies and virtual collaboration skills, in addition to technical engineering knowledge and experience.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0330,008

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 Opus0,032
Tête enseignante GPT0,338
Écart entre enseignants0,306 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in educational technologies and instructional design book seriesMême sujetInternational Student and Expatriate ChallengesTravaux en français237 207