MétaCan
Menu
Retour à la cohorte
Enregistrement W4308912727 · doi:10.24908/pceea.vi.15829

Education 4.0: Integrating Codes, Standards, and Regulations in the Chemical Engineering Curriculum

2022· article· en· W4308912727 sur OpenAlexaffvenue
Daniela Galatro, Sourojeet Chakraborty, Ning Yan, Nasrin Goodarzi, Jeffrey S. Castrucci, Marko Saban

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCurriculumEngineering educationEngineering managementLeverage (statistics)EngineeringProcess (computing)DisciplineKnowledge managementComputer sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

Education 4.0 is the framework to facilitate the development of skills and competencies of engineering students required for Industry 4.0 through the integration of Industry 4.0 applied concepts, networked approach, digitalization of higher education institutions (HEI), and online advancement of teaching and learning practices. In the chemical engineering curriculum of several HEIs, considerable progress in implementing this framework has been made by including computer-aided design tools, updating manufacturing technologies, using simulation and analysis of virtual models, and implementing data analytics in engineering courses and programs. Process and plant design courses such as Plant Design demand that undergraduate students leverage knowledge from core courses completed during first three years of their degree program by developing a plant's conceptual design. This course clearly sets a pathway to integrate Education 4.0 to Industry 4.0. All stakeholders of this course (students, teaching team, and clients) can progressively identify challenges and opportunities to optimize this integration. Many suggested improvements might require a vertical integration of new concepts in the chemical engineering curriculum, involving courses of different levels throughout the undergraduate curriculum. Nevertheless, we consider that immediate actions shall be taken by teaching teams and industry partners in courses such as Plant Design for students achieving the required competencies and skills before graduating from universities. For instance, running a successful multi-disciplinary engineering team for plant design in the industry will require undergraduate students to become familiar with codes, standards, and regulations. According to our industry partners, this lack of familiarization significantly affects the learning curve of junior engineers at work and shows a disconnection between what is learned at university and what is required in the workplace. To facilitate the transition of our students into the process design industry in the framework of Education 4.0-Industry 4.0, in this work, we describe and present the results of applying a strategy to tackle this challenge by (i) identifying the currently applicable codes, standards, and regulations in the process engineering industry for each technical deliverable (process flow diagram, piping and instrumentation diagram, line list, plot plan, design of equipment, risk management, and safety documents) of the course; (ii) designing and delivering workshops to describe and illustrate their applicability; and (iii) creating a written set of guidelines applicable to the course and the workplace.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,274
Score d'incertitude au seuil0,828

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,004
Tête enseignante GPT0,193
Écart entre enseignants0,189 · 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'étudeSans objet
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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetDigital Transformation in IndustryTravaux en français237 207