MétaCan
Menu
Retour à la cohorte
Enregistrement W1615630756 · doi:10.1119/1.4928350

Quantitative Comparisons to Promote Inquiry in the Introductory Physics Lab

2015· article· en· W1615630756 sur OpenAlexaff

Notice bibliographique

RevueThe Physics Teacher · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueExperimental and Theoretical Physics Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSet (abstract data type)CurriculumPhysics educationSimple (philosophy)Science educationTeaching method

Résumé

récupéré en direct d'OpenAlex

In a recent report, the American Association of Physics Teachers has developed an updated set of recommendations for curriculum of undergraduate physics labs. This document focuses on six major themes: constructing knowledge, modeling, designing experiments, developing technical and practical laboratory skills, analyzing and visualizing data, and communicating physics. These themes all tie together as a set of practical skills in scientific measurement, analysis, and experimentation. In addition to teaching students how to use these skills, it is important for students to know when to use them so that they can use them autonomously. This requires, especially in the case of analytical skills, high levels of inquiry behaviors to reflect on data and iterate measurements, which students rarely do in lab experiments. Often, they perform lab experiments in a plug-and-chug frame, procedurally completing each activity with little to no sensemaking. An emphasis on obtaining true theoretical values or agreement on individual measurements also reinforces inauthentic behaviors such as retroactively inflating measurement uncertainties. This paper aims to offer a relatively simple pedagogical framework for engaging students authentically in experimentation and inquiry in physics labs.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,066
score de la tête « metaresearch » (Gemma)0,161
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,347

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,161
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0030,005
Communication savante0,0050,006
Science ouverte0,0020,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,002

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 Opus0,087
Tête enseignante GPT0,347
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations47
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Physics TeacherMême sujetExperimental and Theoretical Physics StudiesTravaux en français237 207