MétaCan
Menu
Retour à la cohorte
Enregistrement W2120136178 · doi:10.18260/1-2--13826

Travelogue From The Materials World: A First Week Laboratory Activity

2020· article· en· W2120136178 sur OpenAlexaboutno aff
Tim Orling, Lisa Christensen, Blair London, Linda Vanasupa, Katherine Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNanotechnology research and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)TeamworkClass (philosophy)Quarter (Canadian coin)ScavengerSet (abstract data type)Computer scienceEngineeringVisual artsArtificial intelligenceWorld Wide WebHistoryChemistryArtManagementArchaeology

Résumé

récupéré en direct d'OpenAlex

A fun, yet educational, laboratory activity was developed for the first week of an introductory Materials Engineering laboratory in order to set the stage for the rest of the quarter. The class is broken up into 8 teams, and each team performs a different experiment during each lab period. The teams then rotate lab experiments each week in a round robin manner, and thus teamwork is an important component of the class. In order to quickly promote team bonding the very first week, each team goes on a materials scavenger hunt together. A variety of materials-related items are to be found around the campus, and various questions must be answered for each item. In addition, each scavenger hunt item is photographed with a Polaroid I-zone camera that produces sticker pictures. While the students work together, they are also being exposed to several materials engineering concepts (many of which will be covered in the lab). The students realize the impact of materials in their daily lives and in the world around them through this activity. The relatively inexpensive lab activity can be easily modified to suit the needs of different instructors. The assignment, procedures, and assessment of the lab activity will be discussed.

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 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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,220
Écart entre enseignants0,199 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNanotechnology research and applicationsTravaux en français237 207