MétaCan
Menu
Retour à la cohorte
Enregistrement W912741808 · doi:10.24908/pceea.v0i0.3592

In-depth learning and development of experimental and team work skills in laboratory courses

2011· article· en· W912741808 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.
venuePublié dans une revue dont le pays d'attache est le Canada.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)BachelorCurriculumWork (physics)TeamworkEngineeringMathematics educationComputer scienceEngineering managementPsychologyPedagogyMechanical engineeringManagement

Résumé

récupéré en direct d'OpenAlex

Laboratory courses help students understand the application of theoretical principles and develop their synthesis abilities and critical thinking. Although the above target is well understood in our profession and has long been integrated to the Chemical Engineering curriculum, there are various ways to reach these objectives and it is still a matter of intense discussion. This work presents a laboratory course at the Department of Chemical & Biotechnological Engineering of the Université de Sherbrooke. This course basically seeks to provide the students with elements allowing them to link fundamental knowledge in thermodynamics, transport phenomena and physical chemistry/kinetics to experimental results. However, for engineers, this must be positioned within a context which is the closest possible to their everyday professional reality which requires crosscurricular competencies and attributes. The latter includes team work, project management, and of course fast and efficient analytical, synthesis and interpretation skills. The laboratory course presented here is given in the middle of the program leading to the engineering bachelor’s degree. All experimental design, data collection, laboratory manipulations and analyses are performed by teams of students. There are 11 labs and every team goes through all of them. To develop their project management skills, our Department has adopted the formula of the “Master Team”. The class is divided in a number of teams equal to the number of experiments. Each team is named responsible (Master team) of one of the experiments for the entire semester. In this role, it supervises the reporting of all other teams and proceeds to the final (global) report and its oral presentation. The success of this organization depends on the competence of the teaching team as well as the >efficient internal management of each Master team. Thus, the teams develop skills which lead them to the final and most difficult part of their Chemical Engineering education, the Capstone Design course.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,100
Score d'incertitude au seuil0,609

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,201
Écart entre enseignants0,197 · 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