MétaCan
Menu
Retour à la cohorte
Enregistrement W4387306175 · doi:10.1002/gch2.202300158

Sustainable Engineering Design in Education: A Pilot Study of Teaching Right‐to‐Repair Principles through Project‐Based Learning

2023· article· en· W4387306175 sur OpenAlexaff
Sam J. Fishlock, Matthew Thompson, Anoop Grewal

Notice bibliographique

RevueGlobal Challenges · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSustainability in Higher Education
Établissements canadiensSafe Engineering Services & Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Project-based learningSustainable designEngineeringEngineering managementSustainable developmentSustainabilityEngineering ethicsPedagogyPsychologyPolitical scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Over 60 million tons of E-waste is expected to be generated in 2023, with associated significant impacts on health and the environment. To reduce the number of products sent to landfills, "Right to Repair" (RtR) movements are gaining momentum in many countries, including the UK, USA, and EU member states. While Universities are seen as important stakeholders to drive forward sustainable design practices, there is currently little work looking at training undergraduate design engineers in the principles of designing household products in support of RtR. In particular, the project-based learning (PBL) pedagogy shows promise in engaging and training students with the skills and knowledge required to successfully design products for RtR. In this paper, a pilot-study of teaching engineers is presented to design products compatible with RtR principles, alongside many technical skills, in a first-year PBL course. The key outputs of this paper are the design of the module, which can be used to help inform first-year engineering education, the high engagement of students, with 100% of respondents agreeing that they intend to try to implement sustainable design practices in future, and some of the innovative features that students implement in their projects.

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)0,012
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0040,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,098
Tête enseignante GPT0,387
Écart entre enseignants0,288 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal ChallengesMême sujetSustainability in Higher EducationTravaux en français237 207