MétaCan
Menu
Retour à la cohorte
Enregistrement W2551017050 · doi:10.1139/cjp-2016-0779

Use of online resources by physics students in Canada: A cross sectional study

2016· article· en· W2551017050 sur OpenAlexaffvenueabout
Alexandra Terrana, Anthony C. K. Leung, S. Jerzak

Notice bibliographique

RevueCanadian Journal of Physics · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensYork UniversityPerimeter Institute
Organismes subventionnairesDivision of Graduate Education
Mots-clésThe InternetPhysicsPhysics educationQuality (philosophy)Mathematics educationOnline learningMedical educationEngineering physicsMultimediaPsychologyWorld Wide WebMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

With the main goal of understanding how and why university physics majors use educational internet resources, we conducted a cross-sectional survey of undergraduate and graduate physics students attending 20 universities across Canada. The survey probes how intensively students at different academic levels rely on various forms of internet resources, such as online texts, videos, and online courses to supplement their physics education. The results imply that the internet can effectively facilitate autonomous, self-driven learning, but submersion into completely online courses is not popular. This report presents the survey results, interpretations, and ideas for how university instructors can take advantage of the growing volume and quality of online physics resources.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,007
Études des sciences et des technologies0,0070,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,036
Tête enseignante GPT0,322
Écart entre enseignants0,286 · 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'étudeObservationnel
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

Citations4
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetOnline and Blended LearningTravaux en français237 207