MétaCan
Menu
Retour à la cohorte
Enregistrement W3183025734 · doi:10.24908/pceea.vi0.14834

HANDS-ON EDUCATION WITHOUT THE HANDS-ON? AN APPROACH TO ONLINE DELIVERY OF A SENIOR LAB COURSE IN CHEMICAL ENGINEERING WHILE MAINTAINING KEY LEARNING OUTCOMES

2021· article· en· W3183025734 sur OpenAlexaffvenue
Roza Vaez Ghaemi, Gabriel Potvin

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésExperiential learningVirtual learning environmentKey (lock)Work (physics)Medical educationCourse (navigation)Coronavirus disease 2019 (COVID-19)Computer scienceEngineering managementEngineeringMultimediaMathematics educationPsychologyMedicineMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The senior chemical engineering lab course at UBC follows an open-ended problem-based lab (PBL) framework, which has been shown in previous work to improve self-reported learning outcomes in students. Given the hands-on experiential components of lab-based courses in general, their shift to remote delivery, such as the one required by the COVID-19 pandemic, is challenging. Shifting a PBL course to a virtual setting while maintaining its more open-ended learning outcomes is likely even more difficult. This paper outlines the design of an online senior PBL course in chemical and biological engineering, in which TAs, present in the lab, act as Operators and implement student-designed experimental plans over several weeks, while maintaining active virtual contact with their teams. Feedback from students on this experience, the particulars of the course design, and the perceived value of this approach, based on data collected from survey responses, is presented and compared to similar data collected for the latest in-person offering of the same course.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,005

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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,205 · 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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetBiomedical and Engineering EducationTravaux en français237 207