Work-in-progress. Data Science Challenge-X. self-directed, competence-based, project-based learning
Lade...
Autor:in (Körperschaft)
Publikationsdatum
28.03.2022
Typ der Arbeit
Studiengang
Typ
04B - Beitrag Konferenzschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Proceedings of the IEEE Global Engineering Education Conference (EDUCON 2022). Digital Transformation for Sustainable Engineering Education
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
2033-2036
Patentnummer
Verlag / Herausgebende Institution
IEEE
Verlagsort / Veranstaltungsort
Tunis
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Schlagwörter
Veranstaltung
2022 IEEE Global Engineering Education Conference (EDUCON)
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
28.03.2022
Enddatum der Konferenz
31.03.2022
Datum der letzten Prüfung
ISBN
978-1-6654-4434-7
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Closed
Lizenz
Zitation
Benites, F., Schlatter, M., Messerli, M., & Custer, R. (2022). Work-in-progress. Data Science Challenge-X. self-directed, competence-based, project-based learning. In M. Jemni, I. Kallel, & A. Akkari (Eds.), Proceedings of the IEEE Global Engineering Education Conference (EDUCON 2022). Digital Transformation for Sustainable Engineering Education (pp. 2033–2036). IEEE. https://doi.org/10.1109/educon52537.2022.9766710