Success factors in the realization of large ice projects in education
Notice bibliographique
Résumé
There has been a long tradition in making ice structures, but the development of technical improvements for making ice buildings is a new field with just a handful of researchers. Most of the projects were realized by professors in cooperation with their students as part of their education in architecture and civil engineering. The following professors have realized ice projects in this setting: Heinz Isler realized some experiments since the 1950s; Tsutomu Kokawa created in the past three decades several ice domes in the north of Japan with a span up to 25 m; Lancelot Coar realized a number of fabric formed ice shell structures including fiberglass bars and hanging fabric as a mold for an ice shell in 2011 and in 2015 he produced an fabric-formed ice origami structure in cooperation with MIT (Caitlin Mueller) and VUB (Lars de Laet). Arno Pronk realized several ice projects such as the 2004 artificially cooled igloo, in 2014 and 2015 dome structures with an inflatable mold in Finland and in 2016–2019, an ice dome, several ice towers and a 3D printed gridshell of ice in Harbin (China) as a cooperation between the Universities of Eindhoven & Leuven (Pronk) and Harbin (Wu and Luo). In cooperation between the University of Alberta and Eindhoven two ice beams were realized during a workshop in 2020. In this paper we will present the motivation and learning experiences of students involved in learning-by-doing by realizing one large project in ice. The 2014–2016 projects were evaluated by Sanders and Overtoom; using questionnaires among the participants by mixed cultural teams under extreme conditions. By comparing the results in different situations and cultures we have found common rules for the success of those kinds of educational projects. In this paper we suggest that the synergy among students participating in one main project without a clear individual goal can be very large. The paper will present the success factors for projects to be perceived as a good learning experience.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».