MétaCan
Menu
Retour à la cohorte
Enregistrement W3025694948 · doi:10.33137/jaste.v5i1.34268

Energy Conservation at School and Home

2020· article· en· W3025694948 sur OpenAlexvenueaboutno aff
C. Lago, Mike Pham

Notice bibliographique

RevueJournal for Activist Science and Technology Education · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCafeteriaElectricityEnergy conservationEnergy (signal processing)Consumption (sociology)Principal (computer security)Competition (biology)Action (physics)Energy consumptionBusinessPsychologyPublic relationsMarketingSociologyEngineeringPolitical scienceComputer scienceEcologyComputer securitySocial science

Résumé

récupéré en direct d'OpenAlex

We do not always think of the impact we are making on the climate every time we turn on a light, use a computer or watch T.V. For this research-informed action research project we studied how electricity usage can impact the climate. We conducted a mini correlational study at Erindale Secondary School to learn more about our peers’ electricity consumption. We asked our peers how many fluorescent light bulbs they use in their homes, and how often they turn off their lights when they leave the room. Our mini study reveals that the majority of boys and girls do not know how many light bulbs in their homes are energy efficient. In addition, equal proportion of girls and boys always or sometimes turn off the lights when they are not in use. For the action portion of our project, we organized the Earth Hour at our school to lower the energy consumption and to raise awareness about the importance of energy conservation. The Principal of our school also agreed to turn off the lights in the cafeteria every night to save more energy. We also challenged David Suzuki Secondary School in Mississauga to a friendly competition to see which school will save more energy. We still await the electricity usage data from the board to see who won the challenge.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,306
Score d'incertitude au seuil0,554

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 technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,258
Écart entre enseignants0,251 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal for Activist Science and Technology EducationMême sujetEnvironmental Education and SustainabilityTravaux en français237 207