MétaCan
Menu
Retour à la cohorte
Enregistrement W4412870730 · doi:10.24908/pceea.2025.19603

Building a hybrid leadership development program for working engineers and technical talent

2025· article· en· W4412870730 sur OpenAlexaffvenue
Emily Moore, Lydia Wilkinson, Estelle Oliva-Fisher, Jennifer Galley, Melissa Siah

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLeadership developmentEngineering ethicsEngineering managementEngineeringConstruction engineeringArchitectural engineeringSociologyManagementPolitical sciencePublic relationsEconomics

Résumé

récupéré en direct d'OpenAlex

A new leadership development program was developed in partnership with Vale Base Metals to support emerging technical leaders across their international organization. The leadership program was envisioned as a hybrid program with 6 asynchronous modules covering technical leadership, self-leadership, team skills, and effective communication. The content was piloted in a 3-day, fully in person version of the program. Informed by the experience of the pilot, the asynchronous modules were refined, and a second hybrid cohort was delivered. The modules were highly interactive. Each module had an accompanying workplace activity to apply the concepts and students submitted a follow-up reflection. This paper describes the program objectives, learning outcomes and activities. Instructor reflections were used to gather lessons learned from developing the modules and delivering the program. Reflections also include instructor observations on key competency gaps and needs expressed by the participants. The experience suggests that the leadership development approaches being used in engineering education are highly transferrable to professional development programs, and that there is great power in situating that learning in the workplace. The lessons learned can be applied to undergraduate and graduate instruction.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,298
Score d'incertitude au seuil0,914

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,010
Tête enseignante GPT0,220
Écart entre enseignants0,210 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207