MétaCan
Menu
Retour à la cohorte
Enregistrement W4403737571 · doi:10.1017/dsj.2024.34

Contextual influences on trade-offs in engineering design: a qualitative study

2024· article· en· W4403737571 sur OpenAlexaff
Jordan Nickel, Ada Hurst, P. Robert Duimering

Notice bibliographique

RevueDesign Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Design occurs in complex socio-technical contexts with conflicting stakeholder goals, requirements and other constraints. These limit solution options and create trade-offs where improvements relative to one goal come at the expense of performance on another. Little is known about how the design context influences trade-offs, or how designers interact with context to manage trade-offs. This article reports on an exploratory qualitative interview study investigating design trade-offs in relation to their socio-technical context. We identified nine themes reflecting engineering designers’ perceptions of the influence of the design context on their ability to resolve trade-offs. Findings suggest that the design context is both a source of trade-offs, and of knowledge and information that helps designers clarify ambiguous requirements to navigate and resolve trade-offs. The results provide insight into how designers interact with the design context to learn about the structure of their design problems and the degrees of freedom available to resolve trade-offs. The findings also contribute to understanding the effects of path dependencies in trade-off situations, and how the sequential distribution of design decisions over time constrains trade-off resolution. We discuss some of the goals and challenges of conducting rigorous qualitative research in design and identify potential directions for further research.

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)0,084
score de la tête « metaresearch » (Gemma)0,128
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,443

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0840,128
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0140,024
Communication savante0,0080,010
Science ouverte0,0030,010
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,095
Tête enseignante GPT0,381
Écart entre enseignants0,286 · 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'étudeQualitatif
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesign ScienceMême sujetDesign Education and PracticeTravaux en français237 207