MétaCan
Menu
Retour à la cohorte
Enregistrement W4405674938 · doi:10.24908/pceea.2024.18624

Fostering Holistic Thinking: Design of an Interdisciplinary Systems-Thinking Course

2024· article· en· W4405674938 sur OpenAlexaffvenue
Kush Bubbar, Renato Rodrigues, Jeremy B. Kimball, Ola Tjörnbo

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversity of ManitobaUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCourse (navigation)Design thinkingSystems thinkingEngineering ethicsMathematics educationCritical thinkingPsychologyPedagogySociologyEngineeringComputer scienceHuman–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In an era dominated by intricate challenges, navigating complex systems and wicked problems is paramount for the engineering discipline's evolution. This necessity beckons a departure from conventional educational paradigms towards a holistic and transdisciplinary pedagogical approach. This paper delineates the development of a systems-thinking course tailored to instill such competencies. Grounded in a robust framework of learning outcomes, the course is strategically crafted to facilitate a comprehensive examination of complex systems and the nuanced nature of wicked problems. The curriculum, rich in experiential learning opportunities, weaves together practical exercises, theoretical discussions, and collaborative project work, enabling students to cultivate a deep, holistic understanding of the challenges at the intersection of political, environmental, social, technological, economic, and legal dimensions. By employing a variety of system-mapping techniques, along with primary and secondary research methods, and honing effective communication skills, students are equipped to confront real-world issues with enhanced analytical and critical thinking capabilities.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,375
Écart entre enseignants0,281 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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 sujetComplex Systems and Decision MakingTravaux en français237 207