MétaCan
Menu
Retour à la cohorte
Enregistrement W3192100424 · doi:10.18260/1-2--37620

Providing Meaningful Hands-on Design Experience in the Remote-learning Environment with a Miniature Mechanical Testing Kit

2024· article· en· W3192100424 sur OpenAlexaffabout
Xinyue Liu, Yasaman Delaviz, Scott Ramsay

Notice bibliographique

Revue2021 ASEE Virtual Annual Conference Content Access Proceedings · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensOntario College of Art and DesignYork UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Engineering educationCoronavirus disease 2019 (COVID-19)Computer scienceSample (material)PandemicPerceptionMedical educationEngineering managementEngineeringPsychologyMechanical engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Laboratory work teaches students how technical knowledge is applied in practice and has long been recognized as a crucial component of a complete undergraduate engineering experience.Due to the COVID-19 pandemic, many engineering programs have been unable to provide these traditional hands-on activities in the remote learning environment.To address this challenge within our program at the University of Toronto, a low-cost, open-source miniature mechanical testing kit (MMTK) was designed and deployed in a third-year engineering design course.Students in their junior year in this course were delivered the kits and were responsible for assembly, sample testing, as well as designing and performing experiments using the MMTK.Students were surveyed regarding their perceptions of the activities.Results showed the MMTK was a useful tool that provided students with a unique hands-on experience during the pandemic.Activities with the MMTK have generally increased students' confidence with hands-on work and conducting experiments.Future work will include further development of the MMTK for use more broadly within engineering research and education.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0450,012

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 Opus0,084
Tête enseignante GPT0,270
Écart entre enseignants0,185 · 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'étudeSans objet
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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2021 ASEE Virtual Annual Conference Content Access ProceedingsMême sujetExperimental Learning in EngineeringTravaux en français237 207