Investigating How Engineers Use Computer-Aided Design Versus Pen-and-Paper for Conceptual Design – A Methodology Review and Mixed-Method Pilot Study
Notice bibliographique
Résumé
Abstract As digital-assisted technology becomes more ubiquitous, engineering designers and educators worry that high reliance on digital tools will reduce engineers’ innate creative abilities or hinder the creative design processes. In the past two decades, research has investigated human-computer interaction and developed theories and design methods to improve computer-aided engineering design. However, whether and how computer-aided design tools affect the creative conceptual design process remains unclear. In this methodology paper, we identify key challenges in comparing digital and traditional tools and present an experimental design to address them. We integrated validated psychological assessments, such as the Torrance Tests of Creative Thinking (TTCT), with advanced neurophysiological techniques, including electroencephalography (EEG) and eye-tracking, to provide a multi-modal understanding of the design process. We also adapted the IKEA Hacking Task for both CAD and pen-and-paper conditions, to assess design creativity with ecological validity. By sharing our methodology, we aim to provide a blueprint for future studies investigating human-tool interactions in engineering design. Our approach not only addresses key limitations in current literature but also offers practical insights for designing experiments that balance rigor with real-world applicability. This work contributes to the mechanical engineering design community by advancing the methodological foundations for studying creativity and cognitive processes in engineering design.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».