Transforming the Client Relationship to Support Large Capstone Classes
Notice bibliographique
Résumé
Ahstract–This innovative practice full paper describes a case study from a software engineering capstone project course. Undergraduate programs often have a final-year capstone course designed to integrate and apply the knowledge and skills students have previously acquired while adapting to industry-standard practices. Capstones play a critical role in bridging the gap between academia and the industry as students transition to the workforce. Over the past twelve years, our institution has adopted a client-based model where industry clients work closely with a single team to solve a real-world problem. However, rising enrollment has put a strain on running this model effectively because of difficulties in recruiting clients, managing numerous client relationships simultaneously, and keeping client-student interactions sustainable. To tackle these challenges, we propose a new client model where clients pitch their ideas as themes in a competition and act as panel judges in evaluating student team submissions. We call this the hackathon client model and evaluate it in a class with 22 teams and 104 students. Through a thematic analysis of the qualitative responses gathered from this study, our findings suggest this new model provides a scalable alternative to operating a large capstone class while preserving many of the benefits of the traditional client model. However, both students and clients indicate having more means of communication would improve the project requirements phase and strengthen their relationship. We discuss ideas on improving the hackathon client model and plans for future experimentation in large capstones.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».