MétaCan
Menu
Retour à la cohorte
Enregistrement W4387759073 · doi:10.24908/pceea.2020.16837

ADVANCED GRAPHICAL COMMUNICATIONS – A COURSE EVOLUTION

2020· article· en· W4387759073 sur OpenAlexaffvenueabout
James A. Sykes

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCourse (navigation)Class (philosophy)Geometric dimensioning and tolerancingSelection (genetic algorithm)DimensioningComputer scienceCore (optical fiber)EngineeringEngineering drawingArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

After a new course is introduced, its content and structure evolve to a level of relative stability. Part of that evolution is the recognition and redressing of knowledge gaps in the student body. This paper will recount the introduction and evolution of Advanced Graphical Communication (AGC), a senior-level mechanical engineering technical elective introduced in 2016 at the University of Manitoba. Geometric Dimensioning and Tolerancing (GD&T) is the core of AGC, supported by the development of drawing creation and drawing checking skillsets. Created at the request of local industry to address a knowledge gap in graduates, industry also partners with the AGC course, placing employees in the class along with undergraduate students. As the course evolved over 4 sessions, assignments were changed or modified, and support materials for various design considerations were developed. Throughout the course evolution, gaps in the students’ foundational knowledge became evident; core knowledge of conventional manufacturing processes and how to select appropriate materials for a design, for example, were absent. The instructor also identified that design esoterica, such as surface finish and fit selection that are critical to a complete design specification, were not addressed in their previous studies. This paper will recount how AGC evolved and how it addressed some of the gaps using instructor-supported focused modules.Beyond this specific course, however, such modules could be expanded to independent micro-courses (IμC, pronounced eye-mu-cee). Specific design knowledge and skillsets will inevitably be missing in an engineering faculty, resulting in lost learning opportunities for students. IμCs are envisioned as engineering design content accessible to the student on demand, allowing discrete learning opportunities to be incorporated as a component in a course or accessed for co-curricular design competitions and capstone projects. These modules would ideally be independent of instructor support and may include physical artifacts that demonstrate specific elements within the module. Whereas conventional teaching pushes the content on the student, IμCs allow pull-based content delivery, fostering students’ ownership of their 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 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,325
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,005
Tête enseignante GPT0,194
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

Citations0
Publié2020
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