Global Design Studio: advancing cross-disciplinary experiential education during the COVID-19 pandemic
Notice bibliographique
Résumé
The impact of COVID in Higher Education has seen universities worldwide shifting to remote and online formats of teaching delivery. In design education, this shift has impacted Experiential Education (EE) pedagogical approach to studio teaching, an approach that gives students an opportunity to apply theory to a concrete experience in a reflective manner and provides cross-disciplinary learning opportunities. This paper discusses Global Design Studio (GDS), a collaborative cross-disciplinary teaching initiative between three design disciplines across three continents: Industrial Design in Australia, Interaction Design in Canada, and User Experience Design in Germany. The objective was to develop a support framework during emergency situations to allow facilitating cross-disciplinary EE to design students. We discuss the three teaching experiences as case studies that offer opportunity for deep analysis and reflection of challenges and enablers to EE education in the shift from traditional design studio to remote and online delivery. While navigating COVID-19 barriers to EE education, GDS aimed to achieve these objectives by sharing resources, ideas and expertise accross the three universities. Each unit dedicated the entire semester program to our first exploration through GDS through a semester project ‘Interactive Mannikin for children to learn CPR techniques’. In this article we discuss the context and outcomes of EE teaching and learning experiences at each unit, as well as lessons we learned as design educators about: inter disciplinarity, inter-intra-cultural issues, group working, timing, remote collaboration, and proposal for a GDS model for cross-disciplinary EE.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».