Complexity measures: The case of engineering undergraduate education

Abstract

This work investigated the relevance and impact of complexity in Project-based learning (PBL) for engineering undergraduate education. Interviews were conducted with engineering professors to evaluate weather complexity is and should be considered for two scenarios: when students are assigned the same project and when students work on different projects. The first scenario is examined in more depth with a case study on a particular course – Process Automation, were complexity metrics were identified, adapted and implemented. These metrics measure components interaction, process and station functionality, the number of linearly independent paths in the program and volume. To evaluate the relationship among complexity metrics and designer’s characteristics and performance, a student survey was developed and implemented. Additionally, complexity prediction models are presented using randomForest, a statistical method for classification and regression problems. The intention of this work is to promote the assessment of complexity to identify and analyze PBL.

Este trabajo investigó la relevancia y el impacto de la complejidad en PBL (por sus siglas en ingles) para la educación de ingeniería sub-graduada. Se realizaron entrevistas a profesores de ingeniería para evaluar si la complejidad es o debe ser evaluada para dos escenarios: cuando a los estudiantes se asignan al mismo proyecto y cuando el estudiante trabaja en diferentes proyectos. El primer escenario se examina más a fondo con un estudio de caso sobre un curso en particular - Automatización de Procesos, donde se identificaron, adaptaron e implementaron métricas de complejidad. Estas métricas miden la interacción de los componentes, la funcionalidad del proceso y de la estación, el número de rutas linealmente independientes en el programa y el volumen. Para evaluar la relación entre las métricas de complejidad y las características y desempeño del diseñador, se desarrolló e implemento una encuesta estudiantil. Adicional, modelos de predicción de complejidad se presentan utilizando randomForest, un método estadístico para la clasificación y los problemas de regresión. La intención de este trabajo es promover la evaluación de la complejidad para identificar, analizar y controlar la complejidad del aprendizaje basado en proyectos en PBL.