MétaCan
Menu
Retour à la cohorte
Enregistrement W2764221628 · doi:10.14434/ijdl.v8i1.22665

Challenges and Tradeoffs When Engaging Young Makers With Constructing for Others

2017· article· en· W2764221628 sur OpenAlexaff
Nathan Holbert, Sawaros Thanapornsangsuth, Marleen Villeroy

Notice bibliographique

RevueInternational Journal of Designs for Learning · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensLearning Partnership
Organismes subventionnairesnon disponible
Mots-clésMentorshipLeverage (statistics)Function (biology)Process (computing)Engineering design processComputer scienceDiversity (politics)Key (lock)Rapid prototypingKnowledge managementProcess managementEngineeringBusinessSociologyComputer securityMarketing

Résumé

récupéré en direct d'OpenAlex

As makerspaces and fabrication labs enter schools as a means of motivating children to explore STEM fields, the lack of diversity in engineering and computing must be addressed. The Bots for Tots project explores the potential of leveraging deeper values and perspectives in making practices by engaging young children in designing and creating objects for others rather than for themselves. In this design case, we present outcomes from the first Bots for Tots implementation highlighting key design challenges and tradeoffs for (a) encouraging a personal relationship between builders and clients while retaining design complexity, and (b) ensuring productive prototyping while providing materials and tools with which designers are familiar. We also discuss revisions for a second iteration where we leverage an existing mentorship program to ensure close designer-client relationships, and constrain material choices throughout the construction process to encourage participants to focus on function and process during prototyping.

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)0,073
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,386

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0730,076
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,010
Communication savante0,0170,013
Science ouverte0,0050,012
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,084
Tête enseignante GPT0,322
Écart entre enseignants0,237 · 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'étudeQualitatif
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Designs for LearningMême sujetTeaching and Learning ProgrammingTravaux en français237 207