MétaCan
Menu
Retour à la cohorte
Enregistrement W3117098288

Inter-institutional collaborative chemistry assignments

2017· article· en· W3117098288 sur OpenAlexaff
Brandon Shokoples, Monika Birchard, Tonda K. Chasteen, Cameron Egler, Layne A. Morsch, Darlene Skagen, Brett McCollum

Notice bibliographique

RevueURSCA Proceedings · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueVarious Chemistry Research Topics
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésTerminologySketchChemical nomenclatureSet (abstract data type)DisciplineRepresentation (politics)Chemistry educationChemistryComputer scienceMathematics educationLibrary sciencePsychologySociologyOrganic chemistryLinguistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

To help students learn the disciplinary language of chemistry, disciplinary communication was set up between chemistry learners who are in their first organic chemistry course at the University of Illinois Springfield and Mount Royal University. Students were assigned a series of organic compounds or reactions that they must describe using IUPAC nomenclature and correct chemical terminology to their partner at the other campus. The partners would then interpret the description provided to them and sketch the appropriate chemical representation. The students are then encouraged to discuss if the drawing is correct and if not, where the misunderstandings lie. We will discuss how instructional technologies were used to foster a valuable experience between learners from different campuses. An overview will be provided that shows different types of problems students worked on with their partners and model how they exchanged information. Successes and difficulties in integrating the interinstitutional collaborative assignments will be presented as well as how some difficulties have been addressed and future development needs. * Indicates faculty mentor.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,052
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,001
Communication savante0,0050,002
Science ouverte0,0050,014
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0520,019

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 Opus0,020
Tête enseignante GPT0,289
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueURSCA ProceedingsMême sujetVarious Chemistry Research TopicsTravaux en français237 207