MétaCan
Menu
Retour à la cohorte
Enregistrement W1973869408 · doi:10.5408/1.3544245

Engaging Students in Atmospheric Science: A University-High School Collaboration in British Columbia, Canada

2009· article· en· W1973869408 sur OpenAlexaffabout
Kate E. Sinclair, Shawn J. Marshall

Notice bibliographique

RevueJournal of Geoscience Education · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAtmospheric researchSample (material)Mathematics educationGeographyEnvironmental scienceSociologyPsychologyMeteorologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Five high schools in British Columbia, Canada, participated in an atmospheric sciences project during the winter of 2006-07 established by researchers at the University of Calgary. Precipitation gauges and temperature and relative humidity probes were installed at each school and students were asked to collect a water sample each day that precipitation accumulated. These samples were used to trace the evolution of stable water isotopes across southwestern Canada. Researchers visited schools to talk about water resources and climate change, and data were collated and given to teachers to use in an atmospheric science project. The participatory nature of this project gave students exposure to data collection and basic analytical techniques used in atmospheric sciences. This was a first attempt at collaboration between our research group and secondary schools, and we point out a number of issues that arose in our study with respect to a successful two-way engagement between researchers and students. These include school engagement, the geographic distribution of the participating schools, the time span of the project, and the time available to schools. There are also a number of data quality considerations, but we were successful overall in acquiring a unique, high-quality dataset that satisfies our research objectives.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
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: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,572

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0630,008
Communication savante0,0100,002
Science ouverte0,0040,008
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 GPT0,237
Écart entre enseignants0,233 · 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

Citations4
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geoscience EducationMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207