MétaCan
Menu
Retour à la cohorte
Enregistrement W2174097169 · doi:10.5753/cbie.sbie.2015.1

Explorando uma Aplicação m-learning para Ensino de Vetores na Física do Ensino Médio

2015· article· pt· W2174097169 sur OpenAlexfundno aff
Eduardo Sperle Honorato, Carlos Mendes, João Quadros, Rafael Castañeda, Jorge Soares, Renato Campos Mauro, Sérgio Duarte, Eduardo Ogasawara

Notice bibliographique

RevueAnais do ... Simpósio Brasileiro de Informática na Educação/Anais do Simpósio Brasileiro de Informática na Educação · 2015
Typearticle
Languept
DomaineSocial Sciences
ThématiqueEducation and Digital Technologies
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Bureau for International Education
Mots-clésComputer scienceComprehensionReflection (computer programming)MultimediaMobile appsMathematics educationPsychologyWorld Wide WebProgramming language

Résumé

récupéré en direct d'OpenAlex

The knowledge and understanding of vectors and vector quantities is extremely important to learn the motion of objects in physics at high school.Considering that vectors and vector quantities are a physics topic in which many students have difficulties, it is important to explore new ways to present them.In this vein, this study aims to explore a new m-learning application named Lab-Vetor.The application is designed for teaching and learning vectors on mobile devices.LabVetor can either be used by teachers in the classroom, through interactive whiteboards, and by the students at home as an m-learning training application.The LabVetor was evaluated by a group of students and showed to be a useful tool to assist the comprehension and reflection of the content learned in classroom.

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)0,009
score de la tête « metaresearch » (Gemma)0,033
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,360
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,033
Méta-épidémiologie (sens strict)0,0050,006
Méta-épidémiologie (sens large)0,0060,003
Bibliométrie0,0050,009
Études des sciences et des technologies0,0050,007
Communication savante0,0090,010
Science ouverte0,0080,003
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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 Opus0,087
Tête enseignante GPT0,359
Écart entre enseignants0,272 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnais do ... Simpósio Brasileiro de Informática na Educação/Anais do Simpósio Brasileiro de Informática na EducaçãoMême sujetEducation and Digital TechnologiesTravaux en français237 207