MétaCan
Menu
Retour à la cohorte
Enregistrement W2917457309 · doi:10.1017/s0032247418000633

“Frozen-Ground Cartoons”: Permafrost comics as an innovative tool for polar outreach, education, and engagement

2018· article· en· W2917457309 sur OpenAlexaff
Frédéric Bouchard, Julie Sansoulet, Michael Fritz, Julie Malenfant‐Lepage, Alexandre Nieuwendam, Michel Paquette, Ashley Rudy, Matthias Siewert, Ylva Sjöberg, George Tanski, Joachim Otto Habeck, Jon Harbor

Notice bibliographique

RevuePolar Record · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensWilfrid Laurier UniversityQueen's UniversityUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPermafrostOutreachComicsPolarAstrobiologyGeologyOceanographyPolitical scienceAstronomyArtPhysicsLiterature

Résumé

récupéré en direct d'OpenAlex

Abstract Permafrost occupies 20 million square kilometres of Earth’s high-latitude and high-altitude landscapes. These regions are sensitive to climate change and human activities; hence, permafrost research is of considerable scientific and societal importance. However, the results of this research are generally not known by the general public. Communicating scientific concepts is an increasingly important task in the research world. Different ways to engage learners and incorporate narratives in teaching materials exist, yet they are generally underused. Here we report on an international scientific outreach project called “Frozen-Ground Cartoons”, which aims at making permafrost science accessible and fun for students, teachers, and parents through the creation of comic strips. We present the context in which the project was initiated, as well as recent education and outreach activities. The future phases of the project primarily involve a series of augmented reality materials, such as maps, photos, videos, and 3D drawings. With this project we aim to foster understanding of permafrost research among broader audiences, inspire future permafrost researchers, and raise public and science community awareness of polar science, education, outreach, and engagement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,296
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolar RecordMême sujetClimate change and permafrostTravaux en français237 207