Evaluating Interactive Transect Area Assessments Hands-On Instruction for Natural Resource Undergraduate Students
Notice bibliographique
Résumé
<p>Undergraduate students pursuing a Bachelor of Science in Spatial Science degree at Stephen F. Austin State University (SFASU) receive instruction in the spatial sciences with a focus on hands-on applications. All undergraduate students take the course Introduction to Spatial Science which includes a comprehensive overview of spatial science incorporating a comparison of standard inexpensive area assessment techniques with high-end computer based area assessment methodologies. Students within this course were instructed how to assess the area of a surface feature on an aerial image with a ruler applying the transect method. Student’s average Root Mean Square Error (RMSE) between a student’s transect derived area and surveyed area was 0.45, 0.13, 0.07, and 0.02 acres for 5, 10, 15, and 20 transect lines, respectfully. An ANOVA analysis of area assessment and area error assessment indicated that mean area and mean absolute area error were statistically different between transect line groups. In addition, the accuracy of area measured increased significantly as the number of transect lines increased which: (1) indicates students receiving hands-on instruction in estimating area using the transect method can record accurate area measurements after only a limited 2 hour introduction; (2) reveals the accuracy of the transect method is not user dependent; (3) shows area accuracy increases as the number of transects increases; and, (4) validates the interactive hands-on instruction methodology employed at SFASU.</p>
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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».