MétaCan
Menu
Retour à la cohorte
Enregistrement W4224255721 · doi:10.3390/educsci12050288

Engineering Student Experiences of Group Work

2022· article· en· W4224255721 sur OpenAlexafffund
Amin Reza Rajabzadeh, Jennifer Long, Guneet Saini, Melec Zeadin

Notice bibliographique

RevueEducation Sciences · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensMacEwan UniversityMcMaster University
Organismes subventionnairesMcMaster University
Mots-clésCourseworkGroup workBrainstormingCooperative learningSoft skillsExperiential learningPsychologyTeamworkWork (physics)Engineering educationTransferable skills analysisPedagogyMathematics educationHigher educationMedical educationTeaching methodEngineeringSocial psychologyComputer scienceManagementMedicine

Résumé

récupéré en direct d'OpenAlex

Soft skills are a crucial component for success in today’s workplace as employers increasingly value work that is collaborative and encompasses diverse perspectives. Despite this, most engineering programs fail to explicitly teach students transferable skills, including the best practices of group work. This research sought to explore how undergraduate experiences of group work change over time. This research also investigated what reflecting on cooperative education (co-op) experiences tells us about teaching group work in academic settings. Despite frequently noting the influence of group work in developing their communication skills and brainstorming ideas over time, students become somewhat more frustrated over time with their experiences of group work, mainly due to conflicting personalities and ideas among team members and/or a “slacker” student. However, our findings also show that students become more confident working in teams over time, as upper-year students were more likely to assume a leadership role and self-reported higher past performance as a group member. This study offers insights into the changing group work experiences of undergraduate engineering students as they progress through coursework and engage in experiential learning and work-integrated learning opportunities, such as co-op placements. The findings of this study can inform educators on how to best incorporate methods for teaching transferable soft skills.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0060,002
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,040
Tête enseignante GPT0,398
Écart entre enseignants0,357 · 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

Citations26
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetHigher Education and EmployabilityTravaux en français237 207