COVID‐19 field instruction: Bringing the forests of British Columbia to students 8,000 km away
Notice bibliographique
Résumé
Abstract Field instruction is a crucial component of natural sciences education. The COVID‐19 pandemic has shifted many university courses to an online format, significantly impacting field instruction. FRST 350, Foundational Field School, is an 8‐day University of British Columbia Forestry field course taught to incoming transfer students from partner universities in China. In August 2020, I taught this course online to students studying remotely. In re‐developing the course, I spent 9 days in the field filming high definition (HD) video, 360° video, and 360° photography to best recreate the course in a short time‐frame. A 360° video records omnidirectionally, allowing viewers to “look around” in all directions, resulting in a highly immersive experience. Students expressed favorable opinions of the course, especially traditional HD and 360° video. Students generally preferred HD videos over 360°, though this was due mostly to the high bandwidth needed for 360° video and the fact that core course content was primarily conveyed as HD videos (in recognition of bandwidth challenges), with supplementary 360° videos. Students favorably noted the interactivity and immersive feel of 360° videos and photographs. This technology is financially and logistically feasible for use in a natural sciences course. Instructors engaged in online field instruction should weigh the strengths and weaknesses of various technologies, including 360° video, when determining how to best meet their learning objectives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,009 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,005 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».