Uso de Google Classroom como repositorio de robótica práctica: PieroAcademy
Notice bibliographique
Résumé
En el desarrollo de prácticas de laboratorio en algunas asignaturas del área de ingeniería de sistemas y automática, los alumnos recaban información relativa a equipos y componentes de diversas fuentes externas. Los resultados de su trabajo, que en muchos casos son de gran calidad, pasan al olvido una vez evaluados. Con el objetivo de poner en valor y mejorar el aprovechamiento de dichos trabajos, se propone la creación de un repositorio controlado de información, donde los estudiantes puedan recopilar parte del material necesario para la realización de sus trabajos, ejemplos de ayuda, y tutoriales realizados por otros estudiantes; pero además contribuir a ampliar la información mediante sus propias experiencias. En la implementación del repositorio, se hace uso de las herramientas proporcionadas por la G Suite for Education (GSFE), siendo el núcleo, la herramienta denominada Google Classroom. En este trabajo se describe la implantación y experiencia con este sistema como medio para gestionar un repositorio organizado donde sus denominadas “clases", toman contenido de unidades temáticas; con la versatilidad de su acceso desde dispositivos móviles y la capacidad de reutilización en asignaturas reales.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».