Development and application of competency mapping for equity, diversity, inclusion, and Indigeneity in out-of-curriculum learning opportunities for engineering students, staff, and faculty
Notice bibliographique
Résumé
Equity, diversity, inclusion, and Indigeneity (EDI.I) is increasingly important in engineering. It applies to the institutional systems in which students learn, and also as learned content in the engineering context, which can be traced to both Canadian Engineering Accreditation Board (CEAB) Graduate Attribute 10 and the Truth and Reconciliation Commission’s Calls to Action. The objectives of this study were 1) to develop and evaluate a method for assessing comprehensiveness of EDI.I learning opportunities in engineering, and 2) to explore the comprehensiveness of out-of-curricular EDI.I workshops (for engineering students, staff, and faculty) using this method. We collected data via a survey to engineering EDI.I leaders at our institution. Learning opportunities were mapped to EDI and Indigeneity competency frameworks (categories: 1. Individual Relationship to EDI.I; 2. Interpersonal Impact of EDI.I; 3. EDI.I at an Organizational Level; and 4. EDI.I in Society) with Introduce, Develop, and Apply levels. Following mapping, we identified gaps. Most EDI.I content (seven workshops) focused on categories 1 and 2, teaching concepts closer to the individual (e.g. recognition of personal bias). There was minimal coverage of categories 3 and 4 (i.e. broader systemic inequities). Most EDI content was taught at the Introduce level, while the one Indigeneity workshop was focused on higher levels. The evaluation method was useful in identifying specific gaps in EDI.I learning outcomes. Limitations in this study primarily involved inadequate documentation in the collected data. We plan to apply this method and framework to EDI.I content within the undergraduate engineering curricula at our institution.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».