MétaCan
Menu
Retour à la cohorte
Enregistrement W7042908510

RESEARCH METHODOLOGIES IN ENGINEERING SCIENCES: A CRITICAL ANALYSIS

2023· article· en· W7042908510 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueScientific Research and Technology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Data collectionData extractionQuality (philosophy)Engineering researchSelection (genetic algorithm)Best practiceData quality
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study evaluates the research methodologies utilized in the engineering sciences. The primary goal is to identify best practices in research design, data acquisition, and result interpretation to suggest future engineering research. A systematic literature review evaluated the methodological approaches and trends of studies published over the past decade. The study's methodology included article selection based on predefined criteria, data extraction on research design, data collection and analysis methods, and result communication. The results revealed a variety of approaches and techniques, with quantitative research predominating, although an increase in the use of qualitative and blended methods was also noted. There were identified trends in research design, data acquisition and analysis, and communication of results that reflect the evolution and requirements of the engineering field. This study concludes by emphasizing the significance of understanding and employing various approaches and techniques in engineering research to address the field's complex and interdisciplinary problems effectively. By promoting methodological diversity and adopting best practices in research design, data collection and analysis, and result communication, engineering researchers and professionals can improve the quality and impact of their research and make significant contributions to advancing engineering knowledge and problem-solving.

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.

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)0,024
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie, Communication savante, Science ouverte
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0120,039
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0120,006
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,742
Tête enseignante GPT0,704
Écart entre enseignants0,038 · 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