MétaCan
Menu
Retour à la cohorte
Enregistrement W3174542351 · doi:10.24908/pceea.vi0.14968

ANALYSIS OF HOW CAPSTONE TEAMS DEFINE ENGINEERING DESIGN FAILURE

2021· article· en· W3174542351 sur OpenAlexaffvenue
Farrah Fayyaz

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCapstoneEngineering educationEngineering ethicsEngineering managementEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

There is a growing trend in engineering education to increase the societal awareness among theengineering graduates, so that the engineering solutions proposed by the engineers are more sustainable. To achieve this, one of the efforts in Concordia University is to ask capstone students to discuss and implement (wherever possible) ethical, legal, social, environmental, and entrepreneurial aspects of their capstone design. Students are given two lectures during the capstone year which provides them with prompts to identify and think beyond their personal biases and perceptions of the society. At the end of the term, each capstone team is asked to define engineering failure. The aim for this is for graduating students to have a well thought of idea of the engineering design failure before they enter the workplace. This article explains the two phases (lectures) of the capstone lectures related to the ethical, legal, societal, environmental, and entrepreneurial aspects of an engineering design. Additionally, the article aims to analyze the definitions of engineering failure submitted by the engineering students at the end of the capstone year to identify keywords and terms that the graduating engineering students attribute to success and failure of an engineering design. The objective of the paper is to open the discussion among engineering educators for incorporating ideas in their courses that can improve engineering students’ understanding of a sustainable design and assess the success of these strategies.

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)0,028
score de la tête « metaresearch » (Gemma)0,117
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 enseignants0,028
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,117
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,003
Études des sciences et des technologies0,0050,004
Communication savante0,0100,005
Science ouverte0,0030,009
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,004
Tête enseignante GPT0,169
Écart entre enseignants0,166 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207