MétaCan
Menu
Retour à la cohorte
Enregistrement W4381185133 · doi:10.1017/pds.2023.100

COMPARING ACADEMICS AND PRACTITIONERS Q & A TUTORING IN THE ENGINEERING DESIGN STUDIO

2023· article· en· W4381185133 sur OpenAlexafffund
Ada Hurst, Shirley Lin, Claire Treacy, Oscar Nespoli, John S. Gero

Notice bibliographique

RevueProceedings of the Design Society · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Waterloo
Mots-clésStudioDesign studioGenerative grammarStyle (visual arts)PsychologyMathematics educationPedagogyEngineering design processComputer scienceEngineeringVisual arts

Résumé

récupéré en direct d'OpenAlex

Abstract In the design studio, academic (professor) and practitioner tutors provide individual mentoring to students as they progress in their design projects. Prior studies suggest that design practitioners may follow a different design process compared to academics, but little is known about how this difference relates to their design tutoring. This study explores the similarities and differences in tutoring by academics and practitioners. We use a question-asking lens to characterize the tutoring styles of four tutors - two academics and two practitioners - over a five-week design project in an engineering design studio. We find that academic tutors ask questions at a significantly higher rate than practitioner tutors, suggesting a more question-centred tutoring style. We also find that proportionally more of practitioner tutors’ questions are generative in nature, while the academic tutors employ more convergent thinking in their questioning. This may be an indicator of the practitioners' own design thinking, which might be more solution-focused than that of academics. These preliminary findings motivate future investigations of the relationship between differences in tutoring and impact on student design learning.

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)0,013
score de la tête « metaresearch » (Gemma)0,075
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,075
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,103
Tête enseignante GPT0,283
Écart entre enseignants0,180 · 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'étudeObservationnel
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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Design SocietyMême sujetDesign Education and PracticeTravaux en français237 207