First-Year Students in Experiential Learning in Engineering Education: A Systematic Literature Review
Notice bibliographique
Résumé
This complete theory paper is a literature review that outlines the introduction of experiential learning in undergraduate engineering education.Using a population-intervention-comparison framework and PRISMA flow diagram, we investigated how experiential learning was implemented in undergraduate engineering education between 1995-2020.This paper is part of a larger review highlighting engineering education research findings that apply to the first-year experience.From a total of 220 studies that were synthesized, 45 studies purely involved first-year students and 39 studies pertained to a combination of first-year students and second-year to fourth-year students.These 84 studies examined what students learned in their first-year and addressed the nature of preparation and composition of students entering engineering.Experiential learning was mostly measured through the lens of student performance (89%) through different forms of evaluations including performance checks, surveys, and individual interviews.A second lens was faculty evaluations (7%) including instructors' observations, feedback, and reflections of students' performance and experience.Finally, a third lens was industry feedback (4%), obtained to inform capstone design courses where students work at industrial sites on company based projects with industry mentors.From our literature survey, we identified four key elements with corresponding insights that described successful implementation of experiential learning that might serve as consideration for future implementation for engineering educators and researchers.These four key insights include: 1.) Relevance and collaboration with stakeholders, students, academe, industry, and society, 2.) Students engagement and ownership, 3.) Scaffolding and integration across levels, and 4.) Importance of assessment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».