MétaCan
Menu
Retour à la cohorte
Enregistrement W4312867385 · doi:10.24908/pceea.vi0.10761

EXPLORING ENGINEERING CREATIVITY AND STUDENT EXTRACURRICULAR EXPERIENCES: A REVIEW OF THE LITERATURE

2018· review· en· W4312867385 sur OpenAlexafffundvenue
Hannah Smith, David R. Strong

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2018
Typereview
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaQueen's University
Mots-clésCreativityCreative thinkingThe artsPsychologyMathematics educationCreativity techniqueCreative problem-solvingCreative briefCritical thinkingPedagogySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

There is a noted disparity between the open-ended problem solving skills required of engineers, and the creative thinking skills possessed by graduating engineering students. Barriers to creativity exist, often grounded in students’ difficulty with an open-minded approach and a lack of internal motivation to engage in creative thinking. Extra-curricular activities (particularly the creative and performing arts) could be viewed as opportunities for students to incrementally combat fears that hinder creative thinking. Are students involved in certain extra-curricular activities more confident in their capacity to successfully engage in creative thinking or problem solving? There is limited research literature regarding the potential relationship between creative arts activities and creativity in engineering students. A thorough understanding of this relationship could provide a means to build confidence in creative ability throughout undergraduate engineering, improving the intrinsic motivation of a student to engage in creative thinking.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0090,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,054
Tête enseignante GPT0,338
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetCreativity in Education and NeuroscienceTravaux en français237 207