UNDERGRADUATE WRITING ASSIGNMENTS IN ENGINEERING: TRACKING ATTRIBUTE 7 IN TWO ACCREDITATION CYCLES
Notice bibliographique
Résumé
This paper reports on two iterations of our study of course syllabi in the Faculty of Engineering, University of Manitoba. The first iteration was part of a national study investigating the writing demands placed on students in a variety of disciplines, including those in the Social Sciences and the Humanities as well as Engineering. This first iteration followed an accreditation visit and the Faculty’s introduction of the C.E.A.B. graduate attributes and outcome-based assessment. Although one would expect Engineering to have far fewer written assignments than these other disciplines, such was not always the case. For example, the national study captured results for Political Science that closely matched those for Mechanical Engineering; Political Science students typically wrote, on average, 2.3 written assignments in year 2 of their program, 2.4 written assignments in year 3, and 4.2 written assignments in year 4, while Mechanical Engineering students wrote 4, 3 and 4.2 written assignments in those same years. Such a finding suggested that more writing was happening in the Faculty of Engineering than we might realize – and quiteapart from that done in the mandatory communication class. So, our second iteration of the study followed another accreditation cycle, but this time we focused solely on the Faculty of Engineering at the University of Manitoba. In this second iteration, our goal was to refresh the data so that we could clarify how Attribute 7, “communication skills,” is being met in the Faculty of Engineering at the University of Manitoba.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».