MétaCan
Menu
Retour à la cohorte
Enregistrement W4402474466 · doi:10.1109/ccece59415.2024.10667239

Oral Interviews to Preserve the History of Engineering Accomplishments in Canada

2024· article· en· W4402474466 sur OpenAlexafffundabout
Suzelle Barrington, Michael Bartlett, Guy Gosselin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueResearch, Science, and Academia
Établissements canadiensCanadian Council of Professional Engineers
Organismes subventionnairesWestern University
Mots-clésOral historyComputer scienceEngineering ethicsEngineeringHistoryArchaeology

Résumé

récupéré en direct d'OpenAlex

One of the missions of the Engineering Institute of Canada (EIC), an organization of 14 scientific member societies, is to promote the engineering profession through preserving Canadian engineering history and archives. The best way to achieve this objective is for individual engineers to record their achievements, but this has been challenging in practice. To address this challenge, the History and Archives Committee of EIC embarked on an oral history interview project in 2020 to record the achievements of senior engineers. To date, 11 female and 17 male engineers have been interviewed, and edited video recordings and transcripts of these interviews are now archived online. Four interviews are being repeated in French for some bilingual content.This paper describes some of the essential logistics of the process, including: the resources required; the means adopted to identify suitable interviewees, and the ethical constraints that must be followed. The interviews are based on a simple, 12-question guide that allows the interviewees, or "Narrators," the freedom to take the content of the interview to wherever they want it to go. The edited videos, which are approved by the Narrators before dissemination, are used to create 3-to 5-minute "snippets" to attract viewers to watch the full, 45-to 90-minute interview. Preliminary outcomes of the project are described, and recommendations for future oral history interviews are presented.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil0,943

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,208
Tête enseignante GPT0,404
Écart entre enseignants0,196 · 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
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetResearch, Science, and AcademiaTravaux en français237 207