MétaCan
Menu
Retour à la cohorte
Enregistrement W4226478767 · doi:10.3138/utq.91.1.01

Transcending Lockdown: Fostering Student Imagination through Computer-Supported Collaborative Learning and Creativity in Engineering Design Courses

2021· article· en· W4226478767 sur OpenAlexaffvenue
Edmund Martin Nolan

Notice bibliographique

RevueUniversity of Toronto Quarterly · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueCognitive Science and Education Research
Établissements canadiensInstitute for Work & HealthYork UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCreativityMediationPedagogyFraming (construction)Collaborative learningTransformative learningEngineering ethicsSociologyPsychologyEngineeringSocial psychologySocial science

Résumé

récupéré en direct d'OpenAlex

Engineering design and communication courses are typically dynamic, active learning spaces that bring together a complex array of knowledge and skills. Their ambiguous nature has allowed, often contentiously, subjects such as language and communication, the arts, the humanities, and the social sciences to enter the discourse of engineering in a newly meaningful way. This article considers this development in the context of the COVID-19 pandemic and, in particular, how the creativity and imagination required to succeed in engineering design might be cultivated in emergency distance learning. I consider a plethora of sources for guidance, with a special interest in how language and communication facilitates collaborative learning, creativity, and intersubjectivity and how that mediation is further mediated by educational technology in distance learning. I focus on the challenges faced and the resulting importance of training for both instructors and students. Finally, I argue that, despite our difficult circumstances, we should aim to encourage our students to exercise their imaginations, both independently and collaboratively, through our selection, framing, and facilitation of team design projects during the pandemic.

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)0,000
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 enseignants0,454
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,038
Tête enseignante GPT0,314
Écart entre enseignants0,276 · 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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto QuarterlyMême sujetCognitive Science and Education ResearchTravaux en français237 207