Reflections on Multi-campus Teaching in a New Manufacturing Engineering Program
Notice bibliographique
Résumé
In 2019, the University of British Columbia (UBC) initiated a new multi-campus manufacturing engineering program involving two campuses situated over 450 km apart.Each institution is responsible for managing its own curriculum and specialization within manufacturing engineering, with some courses being taught in a multi-campus instructional (MCI) format.Although well established in some areas, managing and delivering a new program in a multi-campus format presents several challenges, exacerbated by COVID-19, administrative hurdles, cultural differences between campuses, and institutional context including lab equipment.Two case studies representing two courses in the manufacturing engineering curriculum are examined with an emphasis placed on challenges encountered, adaptation to a changing teaching environment, and student experience of teaching and learning.The course instructors are interviewed with narratives examined through an interpretivist paradigm using inductive thematic analysis to explore themes, challenges, and the instructor's experience teaching MCI.Reflections on emerging themes and their connection to manufacturing engineering and Education 4.0 are discussed, with both opportunities and challenges for continuing program growth elucidated.Finally, understanding that multi-campus education is of growing interest to the community, some recommendations and best practices are proposed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,010 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».