MétaCan
Menu
Retour à la cohorte
Enregistrement W3179710327 · doi:10.24908/pceea.vi0.14836

A LAB TASK GROUP FOR REVIEW AND CONTINUOUS IMPROVEMENT OF THIRD AND FOURTH-YEAR LABORATORY COURSES

2021· article· en· W3179710327 sur OpenAlexafffundvenueabout
David A. Torvi, Scott Noble, Doug Bitner, Melanie Fauchoux, Rob Peace, Rick Retzlaff, I. N. A. Oguocha, Hayden Reitenbach

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversity of Saskatchewan
Mots-clésDeliverableWorkloadComputer scienceTask (project management)Task groupEngineering managementMultimediaEngineeringSystems engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Since the mid-1980’s, the mechanical engineering program at the University of Saskatchewan has included three core third and fourth-year lab courses, each of which consists of 9-10 individual labs. In 2015 a task group was set up to review these courses, including deliverables, scheduling and links to material in corecourses. Since this time, the task group has taken on the major responsibility for continuous improvement of the lab program, including reviewing student evaluations, making changes to labs, and recommending equipment purchases. The task group has also been responsible for a major redesign of the lab program, which will improve delivery and scheduling of labs, alignment with core courses, workload of students, and experience gained by graduate teaching assistants. Smaller apparatus have been designed and built in-house to allow students to gain additional hands-on experience. Labs have been designed to build on one another in order to systematically improve students’ general laboratory skills, including the use of data acquisition systems and experimental design. This new approach was used for the first time in ME 328 in 2019-20. This paper will focus primarily on the role of the task group in continuous improvement, and the lab program redesign. The new ME 328 course is described, along with lessons learned from the first offering. The task group’s role in moving to remote labs during COVID-19 is also discussed.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,476
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,003
Tête enseignante GPT0,193
Écart entre enseignants0,191 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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'admission4
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetExperimental Learning in EngineeringTravaux en français237 207