Richer Connections to Robotics through Project Personalization
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.
Notice bibliographique
Résumé
In this work, we describe youth outreach activities carried out under the Chair for Women in Science and Engineering for Ontario (CWSE-ON) program. Specifi cally, we outline our design and implementation of robotics workshops to introduce and engage middle and secondary school students in engineering and computer science. Toward the goal of increasing the participation of women in science and engineering, our workshop design incorporates strategies presented in work by Rusk et al. (2008) on broadening participation in robotics: 1. focusing on themes, not just challenges; 2. combining art and engineering; 3. encouraging story-telling; and 4. organizing exhibitions, rather than competitions (Rusk et al., 2008, page 1) We discuss three workshop themes designed to highlight creativity and provide choices to participants. Our “Wild in the Rainforest” workshops make use of the PicoCrickets robotics kits and software used and described by Rusk et al. (2008). We also present Lego Mindstorms workshops themed “So You Think Your Robot Can Dance” and “A Day at the Park”. Our workshops are presented by female role models with academic backgrounds in science and engineering. Although workshop periods are fairly short (60-90 minutes), participants learn that robots have perception, cognition, and action – and are tasked with designing and programming to highlight these abilities. We present the results of our workshops through images and videos of the teams’ creations. Workshop evaluation data provided by participants demonstrate that our approach results in rich connections to engineering and technology for participants of both genders.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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