MétaCan
Menu
Retour à la cohorte
Enregistrement W30059019 · doi:10.3791/57778

USING PROGRAM VISUALIZATION TOOLS TO FACILITATE TEACHING AND LEARNING COMPUTER PROGRAMMING: A LITERATURE REVIEW

2012· review· en· W30059019 sur OpenAlexfundno aff
K. Kaseb, F. Zandkarimi, M. Sayedi, E. Khoshkhoo, F. Badakhshan

Notice bibliographique

RevueEDULEARN12 Proceedings · 2012
Typereview
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésComputer scienceVisualizationHuman–computer interactionSoftware engineeringMultimediaArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Air volume changes created by a conscious subject breathing spontaneously within a body box are at the basis of plethysmography, a technique used to non-invasively assess some features of the respiratory function in humans as well as in laboratory animals. The present article focuses on the application of the double-chamber plethysmography (DCP) in small animals. It provides background information on the methodology as well as a detailed step-by-step procedure to successfully assess respiratory function in conscious, spontaneously breathing animals in a non-invasive manner. The DCP can be used to monitor the respiratory function of multiple animals in parallel, as well as to identify changes induced by aerosolized substances over a chosen time period and in a repeated manner. Experiments on control and allergic mice are used herein to demonstrate the utility of the technique, explain the associated outcome parameters, as well as to discuss the related advantages and shortcomings. Overall, the DCP provides valid and theoretically sound readouts that can be trusted to evaluate the respiratory function of conscious small animals both at baseline and after challenges with aerosolized substances.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,146
Tête enseignante GPT0,435
Écart entre enseignants0,288 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEDULEARN12 ProceedingsMême sujetOnline and Blended LearningTravaux en français237 207