MétaCan
Menu
Retour à la cohorte
Enregistrement W4308712990 · doi:10.24908/pceea.vi.15930

Engineer of 2050: Thematic Analysis of CEEA-ACEG Workshop Provocations and Reflections

2022· article· en· W4308712990 sur OpenAlexafffundvenue
Nadine Ibrahim, Chirag Variawa, Shelir Ebrahimi, Jill Seniuk Cicek, Gabriel Potvin, Renato Rodrigues

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversity of British ColumbiaUniversity of ManitobaMcMaster UniversityUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesUniversity of British ColumbiaUniversity of WaterlooUniversity of TorontoMcMaster University
Mots-clésMandateThematic analysisEngineering educationWork (physics)Engineering ethicsIdentity (music)Special Interest GroupFace (sociological concept)Foundation (evidence)Qualitative analysisEngineeringQualitative researchPedagogySociologyPolitical scienceEngineering managementSocial science

Résumé

récupéré en direct d'OpenAlex

The understanding of how engineering education might evolve to prepare future students for the opportunities and challenges that society will face is of great interest to educators and to the engineering profession. A special interest group of the CEEA-ACÉG was formed in 2017 with a mandate to facilitate the discussion on the identity and attributes of the Engineer of 2050. Among its other activities, this group ran three workshops (in 2017, 2018 and 2021) in which participants answered prompts on their vision of the future of the engineering profession, and the associated changes in engineering education necessary to train competent future engineers. This paper presents the results of a qualitative content analysis of the responses to these prompts, to highlight recurring themes and trends, and suggest some areas warranting further discussion or investigation. This work is intended to serve as a foundation on which the work of the special interest group can build in the coming years.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil0,724

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,207 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207