Characterizing Computer Aided Design Performance: What can we learn from expert users?
Notice bibliographique
Résumé
Students who participate in engineering technical extracurricular teams such as Mini Baja and Formula Electric tend to have excellent Computer Aided Design (CAD) skills that often exceed that of their curricular peers with similar levels of education. This study characterized the differences in CAD performance between student CAD “experts” and their more novice peers. It was initially hypothesized that the baseline spatial ability between groups will be similar, but that specific differences in the quality of the technical drawings would exist between the groups. Three groups of students were studied: “Senior” students (Year 3 or more and on an extracurricular technical team, n=12), “Novice” (Year 2, not on a team, n=13) and “Junior” (Year 2 and on a team, n=7). Participants completed the same CAD task and a spatial test. The task output, technical drawings, were rated against a rubric by an expert assessor blinded to group membership. The scores were analyzed in MATLAB with a Mann-Whitney U-test. Junior and Senior students scored higher on a spatial visualization test compared to Novices, but only the Novice-Junior comparison met the criteria for statistical significance. There were no significant differences on any technical drawing criteria between Juniors and Seniors. Seniors’ assembly drawings were significantly better than Novices on the criteria relating to parts list and labelling. This contributed to a statistically significant difference in the overall assembly drawing score between the Novice and Senior groups, even though there was no significant differences in total overall score (part design, part drawing, assembly drawing summed together) between any groups or any significant correlations with spatial ability (measured by PSVT-R). Differences relating to expertise level (group) were primarily related to the more complicated assembly drawing task.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».