Gotcha! Which fly trap is the best? An introduction to experimental data collection and analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Collecting data from experimental observations is an important component of the scientific process; likewise, the analysis of the data is essential to understanding the observed trends and patterns from any experiment. Allowing students to practice data collection and analysis is valuable to their scientific literacy and capacity. In this paper, we present a fly trap experiment that gives students the opportunity to discover which combinations of baits and trap types yield the best fly traps. Baits and traps can be made from easily available household goods, allowing this experiment to be set up with minimal preparation and at low cost. Students, individually or in small groups, set up their specific trap and bait combinations and the instructor collects them and places them in an area with flies. After a period of time, the instructor returns the traps to students who count the numbers of trapped flies. With these data, students summarize the results and evaluate the success of different combinations of trap type and baits. The experiment requires one session to construct and set-up the traps and a second session to count the flies and analyze and interpret the data. The experiment is designed for undergraduate students and can be modified to fit students’ past experience with experimental design and statistical analysis. Accompanying article about online adaptation of this lesson: <a href="https://doi.org/10.24918/cs.2021.7">Online Adaptation to "Gotcha! Which fly trap is the best? An introduction to experimental data collection and analysis"</a>
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.
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 | 0,000 |
| 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 | 0,000 |
| 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) | 0,001 | 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 découle