MétaCan
Menu
Retour à la cohorte
Enregistrement W4405674715 · doi:10.24908/pceea.2024.18519

Developing and Assessing Lifelong Learning Skills through a Self-Determined Learning Approach

2024· article· en· W4405674715 sur OpenAlexaffvenue
Jennifer Chamberland, Hooman Nabovati

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Leadership and Innovation
Établissements canadiensSheridan College
Organismes subventionnairesnon disponible
Mots-clésTransformative learningLifelong learningBachelorAutonomyComputer scienceMathematics educationPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

In a Bachelor of Engineering program, educators have developed learning activities and assessment techniques that promote self-directed learning and improve students’ lifelong learning and investigation skills. Inspired by heutagogy and transformative learning theory, two analytical assignments and one annotated bibliography were designed to foster autonomy, resilience, self-efficacy, and motivation, and to accurately assess the associated graduate attributes. To complete analytical assignments, students study peer-reviewed papers on electrostatic transduction and piezoelectricity. They analyze microelectromechanical structures presented in the papers using classical physics and verify their results through computational methods. For the annotated bibliography, students review and assess critically peer-reviewed papers to gain in-depth knowledge in the field of Microelectromechanical Systems (MEMS), particularly sensors, and discuss how the current research contributes to the technology advancements. The developed tasks allow students to reflect, think metacognitively, and adapt learning strategies to address their educational needs. Beyond their role in competency development, these assignments serve as authentic assessments for evaluating graduate attributes, with a particular focus on Life-long Learning.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,680
Score d'incertitude au seuil0,959

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,278
Écart entre enseignants0,262 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEducational Leadership and InnovationTravaux en français237 207