MétaCan
Menu
Retour à la cohorte
Enregistrement W2522860907 · doi:10.5539/jel.v5n4p141

Comic Strips to Accompany Science Museum Exhibits

2016· article· en· W2522860907 sur OpenAlexvenueno aff
Beom Sun Chung, Eun-mi Park, Sanghee Kim, Sook-Kyoung Cho, Min Suk Chung

Notice bibliographique

RevueJournal of Education and Learning · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMuseums and Cultural Heritage
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Foundation of KoreaMinistry of Science, ICT and Future PlanningNational Research Foundation
Mots-clésComic stripComicsExhibitionSTRIPSVisual artsComprehensionCraftPsychologyArtComputer scienceLiteratureLinguisticsPhilosophyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Science museums make the effort to create exhibits with amusing explanations. However, existing explanation signs with lengthy text are not appealing, and as such, visitors do not pay attention to them. In contrast, conspicuous comic strips composed of simple drawings and humors can attract science museum visitors. This study attempted to reveal whether comic strips contribute to science exhibitions. More than 20 comic strips were chosen that were associated with exhibits in a science museum. The individual episodes were printed out and placed beside the corresponding exhibits. A questionnaire was administered to museum visitors to evaluate the effects of the comic strips. Most visitors responded that the comic strips were helpful in understanding the exhibits and in familiarizing themselves with the science. Participants also described the comic strips’ deficiencies which will be considered for future revisions. Comic strips are likely to enhance interest in and comprehension of science exhibitions. Furthermore, these strips are expected to enrich science museums in various ways such as establishing their uniqueness.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0340,004

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 Opus0,027
Tête enseignante GPT0,271
Écart entre enseignants0,244 · 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
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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetMuseums and Cultural HeritageTravaux en français237 207