MétaCan
Menu
Retour à la cohorte
Enregistrement W2004223129 · doi:10.1080/00221340701849799

GloVis as a Resource for Teaching Geographic Content and Concepts

2008· article· en· W2004223129 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Geography · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeography Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Army Corps of Engineers
Mots-clésContent (measure theory)Resource (disambiguation)Computer scienceMathematics educationPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Abstract Teachers of geography and related topics across a range of educational levels benefit from convenient access to graphic materials that illustrate key geographic information and concepts. GloVis (Global Visualization Viewer) is an online tool designed by the U.S. Geological Survey to facilitate archival searches for Landsat and related imagery. GloVis preview images provide a resource for teachers who wish to illustrate geographic concepts in the context of landscapes local to their institutions. This article introduces instructors to GloVis and offers classroom examples illustrating a variety of applications. Specific examples, including Virginia's physiographic provinces, regional phenological changes, New Orleans observed before and after Katrina, surface-mined landscapes in eastern Kentucky, and suburban sprawl along Virginia's I-95 corridor, illustrate the capabilities of this resource. Key Words: teachingGloVisremote sensinglandscapeLandsatgeography Acknowledgement The author acknowledges the contributions of three anonymous reviewers, and the comments provided by Mr. Tim Beckmann, Science Applications International Corporation, USGS/EROS Center for Earth Resources Observation & Science, Sioux Falls, South Dakota. R. Sivanpillai, R. W. Morrill, and L. W. Carstensen were generous with respect to the time they devoted to review of the manuscript and the useful suggestions they offered. James B. Campbell, Ph.D., is professor of geography at Virginia Tech in Blacksburg, Virginia, USA, where he teaches remote sensing, quantitative methods, and geomorphology. He has worked closely with students and faculty in allied fields, including forestry, geology, agronomy, and environmental sciences. Since 1997 he has served as codirector of Virginia Tech's Center for Environmental Applications in Remote Sensing (CEARS). He is author of several books, including Introduction to Remote Sensing, now in its fourth edition, widely used at universities in the U.S., Canada, and overseas, as well as numerous technical articles.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,703
Score d'incertitude au seuil0,776

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,366
Écart entre enseignants0,313 · 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