Solving Second Order ODEs, Two Non-analytical Methods Revisited
Notice bibliographique
Résumé
Mathematics can still be taught without using a CAS and this is probably the case in most schools and universities. Although CAS and technology are often used by instructors to demonstrate or illustrate mathematical concepts, they are rarely used by students. When we consider our mathematics curriculum, “Differential Equations” is one course that we firmly believe can and should benefit from the use of CAS. In this talk, we will report how our ODE course has evolved, as our engineering students have access to technology (Voyage 200 symbolic calculator) in the classroom at all times. This talk will show examples of what students still do by hand and what CAS allows us to do now to enrich the learning experience. We will consider the series solutions of a second order equation with variable coefficients and numerical solution of the first order equivalent system. Many textbooks do not show the relation between these two subjects. With a CAS on every desk, we can ask students to compare results obtained with both methods. Of course, technology is a must to support this. As teachers, we still want our students to be able to do some specific computations manually. For example, they have to find the recurrence formula by hand for the coefficients of the series solution. However, we also want students to be able to compute, with some accuracy, the value of the solution at a certain point using partial sums or even graph this approximate solution. Then, converting the same equation into a first order system, they can plot the numerical generated curve obtained by the built-in RK method in the Voyage 200 or create a table of values for the approximate solution.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,018 | 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 ».