MétaCan
Menu
Retour à la cohorte
Enregistrement W1994784837 · doi:10.1119/1.2999059

Easy Implementation of Internet-Based Whiteboard Physics Tutorials

2008· article· en· W1994784837 sur OpenAlexaffabout
Andrew Robinson

Notice bibliographique

RevueThe Physics Teacher · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésSyllabusWhiteboardClass (philosophy)PaceThe InternetMathematics educationPhysics educationComputer scienceMultimediaMathematicsWorld Wide WebPhysicsAstronomyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The requirement for a method of capturing problem solving on a whiteboard for later replay stems from my teaching load, which includes two classes of first-year university general physics, each with relatively large class sizes of approximately 80–100 students. Most university-level teachers value one-to-one interaction with the students and find working out problems on a board a useful teaching method. However, in most institutions of higher education, the staff-to-student ratio precludes giving every student this learning experience. The syllabus of the algebra-based physics course at the University of Saskatchewan (Physics 111) is relatively ambitious in terms of the content covered, given the physics and mathematics background knowledge of the average student. This means that the number of problems worked on in class is rather limited if a thorough discussion of the basic principles is required. Some form of tutorial that records the essence of working out a problem on a board, with both visual and audio elements and which can be replayed over the Internet, is desirable. Obviously, this loses the interactive question-and-answer element possible in a true tutorial where the student and teacher are both physically present, but it does have the significant advantage that the tutorial can be replayed as many times as the student deems it necessary, thus allowing the lesson to proceed at a pace dictated by the student. Moreover, these lessons only have to be prepared once, can be used many times over, and can be used in distance-learning courses. In this paper, I describe the necessary hardware and software required to do this, all of which is relatively affordable and requires little specialist IT knowledge to set up.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,352

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1050,036

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 Opus0,020
Tête enseignante GPT0,260
Écart entre enseignants0,240 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Physics TeacherMême sujetExperimental Learning in EngineeringTravaux en français237 207