MétaCan
Menu
Retour à la cohorte
Enregistrement W2112421254 · doi:10.1109/fie.2004.1408483

Work in progress - using internet applications to control remote devices for an instrumentation laboratory

2005· article· en· W2112421254 sur OpenAlexaffabout
C. Ciubotariu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInterface (matter)MultimeterComputer scienceOscilloscopeThe InternetInstrumentation (computer programming)ServerVirtual instrumentationRemote laboratoryMultimediaPracticumUser interfaceOperating systemEmbedded systemEngineeringElectrical engineeringData acquisitionTelecommunications

Résumé

récupéré en direct d'OpenAlex

Undergraduate engineering students have undertaken a research project on the creation and the development of an Internet based real-time access to laboratory devices. SelfLab@Home is a novel tele-education project of the Department of Electrical and Computer Engineering of the University of Calgary. Its original objective was to become a self-paced remotely accessed training for the use of four basic laboratory devices: oscilloscope, waveform generator, DMM (digital multimeter) and a power supply. The high-level design components include a client interface, a client/server interface, a main server, a server/hardware interface, the agilent oscilloscope, and a video streaming scheme. The implementation of this project required the following components: client Web browser interface, Web server, application server, hardware dynamic link library (DLL), and video streaming scheme. A joint team of high school students enrolled in the research enrichment program and fourth year students have built this remotely accessed instrumentation laboratory to give all undergraduate students a chance to learn how to operate the equipment from outside the lab while working at their own pace.

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)0,011
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,007
Science ouverte0,0040,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,007

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 Opus0,013
Tête enseignante GPT0,290
Écart entre enseignants0,276 · 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

Citations4
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetExperimental Learning in EngineeringTravaux en français237 207