MétaCan
Menu
Retour à la cohorte
Enregistrement W77273078 · doi:10.3991/ijep.v5i2.4469

Advances In Mining Engineering Education: A Case For Learning Communities

2015· article· en· W77273078 sur OpenAlexaffabout
Michael Hitch

Notice bibliographique

RevueInternational Journal of Engineering Pedagogy (iJEP) · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCurriculumSustainabilityEngineering ethicsEngineering educationProcess (computing)EngineeringResource (disambiguation)Engineering managementPolitical scienceSociologyPedagogyComputer scienceEcology

Résumé

récupéré en direct d'OpenAlex

Mining engineering involves the design, planning and management of operations for the development, production and eventual rehabilitation of resource extraction. These activities draw on a diverse set of skills. University of British Columbia mining engineers have traditionally been highly regarded for their strengths in the technical aspects of mining and mineral process but also for their understanding of the application of principles of sustainability and social responsibility. The current view of the UBC Mining curriculum demands the integration of aspects of environmental and social sciences shaping the future of tertiary engineering education. The solution is developing a curriculum that is focused on key learning objectives that are a reflection of all these external pressures. This paper examines the challenge of curriculum reform and the emergence of learning communities at the Norman B. Keevil Institute of Mining Engineering at the University of British Columbia, Canada.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,052
Tête enseignante GPT0,435
Écart entre enseignants0,384 · 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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Engineering Pedagogy (iJEP)Même sujetHigher Education Learning PracticesTravaux en français237 207