WIP: Decoding a Discipline – Toward Identifying Threshold Concepts in Geomatics Engineering
Notice bibliographique
Résumé
Abstract This is a work-in-progress paper on a descriptive or a ‘what is’ type of teaching and learning project related to deep learning of fundamental knowledge in geomatics engineering. On the hard-soft and pure-applied spectrums the discipline of geomatics engineering can be classified as hard and applied. This makes sustaining an environment for deep learning, as opposed to superficial learning, of core geomatics engineering knowledge a challenging task. This environment sometimes comes at the cost of instructors of higher level courses having to repeatedly review concepts taught in lower level courses. As a result, little time is left for tackling advanced learning outcomes. This problem can be mitigated by assessing the current learning environments in core geomatics engineering courses and, more specifically, identifying threshold concepts or areas of troublesome knowledge in these courses; developing and implementing a collection of learning resources and teaching activities to address these matters; and observing and analyzing the effect of using these resources and activities on geomatics engineering students. This paper will focus on the first part of the problem, namely, what methods to use in order to assess the learning environment and detect the threshold concepts in select geomatics engineering courses. The authors propose a series of questionnaires, observation sessions, and reflection meetings where students in their second and third year of geomatics engineering will be invited to participate. The questionnaires will be formative minute papers on muddy concepts throughout the semester, and summative end-of-term surveys asking the students to describe their learning experience during the semester. The observation sessions will be in-class (teacher-student interactions) and think-aloud (individual or in groups). The reflection meetings will be conducted after certain exams, tutorials or labs, where the students will be given the opportunity to express their opinions on the learning objectives involved. In addition, grades from midterm and final exams will be analyzed for any alignment between the concepts in question and the respective student performance. This part of the project will be run for two years, so the authors will be seeking input from the engineering education community in order to improve the study in its second iteration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».