Offsite Construction education adoption in Civil Engineering undergraduate curriculum: analysis and proposal
Notice bibliographique
Résumé
Offsite construction (OSC) is not new globally yet is still not widespread in Civil Engineering (CE) programs. This study proposes strategies for implementing OSC education in a CE undergraduate program curriculum. The research method used was the exploratory field study. Data were collected from three online questionnaires sent to interested parties: OSC industry professionals, faculty members, and final-year students. Each questionnaire sought to answer a specific objective of this study: to identify the design and onsite assembly competencies demanded by the industry, identify the interfaces between OSC and the CE program curriculum and determine the level of confidence of final-year students in applying OSC competencies. The collected data analysis was qualitative and generated from a crossing of the data from the three questionnaires, which supported the proposition of hypotheses for the insertion of OSC teaching by identifying the needs, deficiencies, and difficulties the three interested parties presented. Findings suggest that the OSC competencies most demanded by the industry are about knowing how to detail the interfaces between the components and the parts of the construction site, guarantee the assembly of elements within the deadlines, or learning how to take safety measures against accidents during the construction site. Data also suggest that students are interested in the subject but graduate with little confidence in applying most of the design and onsite assembly competencies demanded by the industry. One of the few exceptions is the knowledge to take safety measures against accidents on the job site. As a result, two hypotheses were generated to adopt OSC teaching in a Civil Engineering program.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».