MétaCan
Menu
Retour à la cohorte
Enregistrement W2087069132 · doi:10.4018/jdet.2004010102

Using Virtual Instrument to Develop a Real-Time Web-Based Laboratory

2004· article· en· W2087069132 sur OpenAlexfundno aff
Kin Cheong Chu

Notice bibliographique

RevueInternational Journal of Distance Education Technologies · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensnon disponible
Organismes subventionnairesHong Kong Polytechnic UniversityChinese University of Hong KongUniversity of Hong KongDalhousie University
Mots-clésRemote laboratoryComputer scienceThe InternetMultimediaAnimationVirtual LaboratorySoftwareRemote controlSet (abstract data type)Class (philosophy)Computer animationHuman–computer interactionWorld Wide WebComputer graphics (images)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this study, an online experiment was developed for sub-degree students at remote locations to control and obtain real-time measurements or experimental data. Online video is set up for better visual impact of what is going on in the remote site. The intention of this Web-based laboratory package is to make the experiment more interactive, attractive, and easily accessed. Background knowledge is included for better understanding of the theory behind the experiment and gives an overview of the operation of the remote controlled software used in this remote laboratory. Multimedia elements including sound, video, and animation are added for better explanation and easier understanding of software as well as basic theory for this remote laboratory. This remote equipment control and monitor was added as a supplement laboratory to a class of engineering students. Positive feedback from students was obtained through questionnaires and interviews. These results throw light on doing remote laboratory through the Internet and direction for improvement.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,008
Tête enseignante GPT0,265
Écart entre enseignants0,256 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Distance Education TechnologiesMême sujetExperimental Learning in EngineeringTravaux en français237 207