Inspiring the Next Generation: Challenges and Strategies for Onboarding and Retention in an Undergraduate CubeSat Design Team
Notice bibliographique
Résumé
The University of Toronto Aerospace Team (UTAT) Space Systems Division is a fully student levy-funded, student-led undergraduate design team that develops CubeSats with research-oriented payloads. UTAT’s mission is to provide undergraduate students with unique opportunities to develop engineering design skills outside of the classroom, and therefore has a distinct focus on member growth and education. As an undergraduate student team, UTAT faces a unique set of challenges in onboarding members and maintaining a strong knowledge base on the team. These challenges include onboarding members with limited technical experience, equipping them with satellite design skills, and maintaining high interest levels among volunteer members with limited time to contribute. The team has implemented a wide range of strategies related to onboarding and member development over the past two years. Notable examples include hosting workshops and regular work sessions, and employing practice projects for technical skill development. This paper presents these practices in depth and evaluates their impacts using both quantitative and qualitative metrics of team success including retention rates, team demographic data, and individual perceptions of team dynamics. It also evaluates these practices against scientifically backed models, while evaluating the effectiveness of these models in the student team environment. Lessons learned include the importance of emphasizing a culture of inclusivity and psychological safety as well as utilizing workshops and skill-building modules both in the onboarding phase and throughout the year to generate and maintain interest in the team. The practices presented here are relevant and transferable to similar organizations including student teams, industry projects, and research initiatives.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».