MétaCan
Menu
Retour à la cohorte
Enregistrement W4388302225 · doi:10.5430/ijhe.v12n6p63

Starting from Scratch: A Holistic Framework for Designing Digitally Delivered Graduate Programs for STEM Working Professionals

2023· article· en· W4388302225 sur OpenAlexvenueno aff
Michael D. Hughes, Aric Krause

Notice bibliographique

RevueInternational Journal of Higher Education · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumExcellenceEngineering managementProcess (computing)EngineeringEngineering design processComputer scienceKnowledge managementPedagogyPsychology

Résumé

récupéré en direct d'OpenAlex

Provided the opportunity to create new, high-quality graduate programs from scratch, a framework was sought to help meet the intersecting needs of employers and employees, while cultivating a learning environment that honors the individuality of working professionals. Given Rensselaer Polytechnic Institute’s (RPI) nearly 200 years of engineering and research excellence, it was natural to leverage the engineering design process to develop a modern solution. Though there are many variations of the engineering design process, this paper presents it as a sequence of six steps: identify, explore, design, create, test, and improve. The first three steps (identify, explore, and design) are the focus of this work. From these emerged a series of strategic decisions in program logistics (face-to-face, online, hybrid, etc.), curriculum design, and learning interface informed by thorough consideration of employer and employee needs as well as the latest in learning science. Due to the abundance of variety in how graduate programs are designed, this paper provides a detailed description of the design process such that other institutions looking to develop quality, digitally delivered programs, may consider this work. Consequently, clear connections are made between the needs of employers and employees, learning science, and research design. In all, eight graduate certificates, 10 sets of learning goals and competencies (LG&Cs), 25 project-based courses, and more than 60 projects have successfully been designed, developed, and delivered using the described process as a framework for program development. Future papers will explore how these courses and projects were created, tested, and improved through course development and review and revision processes that incorporate regularly cadenced instructor and student feedback.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0030,007
Communication savante0,0110,006
Science ouverte0,0030,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,086
Tête enseignante GPT0,352
Écart entre enseignants0,267 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207