MétaCan
Menu
Retour à la cohorte
Enregistrement W597417568

Using Writing as a Learning Tool in Engineering Courses

2014· article· en· W597417568 sur OpenAlexaff
Charis Enns, Michelle Cho, Shahin Karimidorabati

Notice bibliographique

RevueScholarship@Western (Western University) · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMemorizationMathematics educationEngineering educationValue (mathematics)Computer scienceEngineering ethicsPedagogyPsychologyEngineeringEngineering management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Successful engineers must be able to identify innovative approaches to solving real-world problems. For this reason, the ability to move beyond memorization and think critically is an essential skill for engineering students. Writing is an effective pedagogic tool for helping undergraduate students to develop such critical thinking skills (Bean, 2011). Moreover, research shows that short writing activities can help engineering students deepen their understanding of complex concepts so that they are prepared to engage more critically with course content (KÃ¥gesten & Engelbrecht, 2006; Welch Gradin & Sandell, 2002; Wheeler & McDonald, 2000). Yet despite the proven value of writing activities, they are not commonly used in engineering courses. In this workshop, participants explore the benefits and challenges of using writing activities in engineering courses at the undergraduate level. Participants are introduced to a number of writing activities that can easily be integrated into engineering courses, by either instructors or teaching assistants, in order to engage students in course material and encourage students to think critically about course concepts. By the end of this workshop, participants should feel comfortable using writing activities in their own teaching practice, as well as describing the learning benefits of using writing activities in engineering.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,797

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,106
Tête enseignante GPT0,366
Écart entre enseignants0,259 · 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'étudeObservationnel
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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship@Western (Western University)Même sujetEducation and Critical Thinking DevelopmentTravaux en français237 207