MétaCan
Menu
Retour à la cohorte
Enregistrement W3196271628 · doi:10.1103/physrevphyseducres.17.020109

Student behavior in undergraduate physics laboratories: Designing experiments

2021· article· en· W3196271628 sur OpenAlexafffund
B. Cai, Lindsay Mainhood, Ryan Groome, Cory Laverty, A. B. McLean

Notice bibliographique

RevuePhysical Review Physics Education Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensQueen's University
Organismes subventionnairesQueen's UniversityNational Science Foundation
Mots-clésMathematics educationEngineering physicsPhysicsPsychology

Résumé

récupéré en direct d'OpenAlex

We investigated physics students' behavior in a second-year laboratory by analyzing transcribed audio recordings of laboratory sessions.One student group was given both a problem and procedure and asked to analyze and explain their results.Another was provided with only the problem and asked to design and execute the experiment, interpret the data, and draw conclusions.These two approaches involved different levels of student inquiry and they have been described as guided and open inquiry, respectively.The latter gave students more opportunities to practice "designing experiments," one of the six major learning outcomes in the recommendations for the undergraduate physics laboratory curriculum by the American Association of Physics Teachers.Qualitative analysis was performed of the audio transcripts to identify emergent themes and it was augmented by quantitative analysis for a richer understanding of student behavior.An important finding is that significant improvements can be made to undergraduate laboratories impacting student behavior by increasing the level of inquiry in laboratory experiments.This is most easily achieved by requiring students to design their own experimental procedures.

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)0,047
score de la tête « metaresearch » (Gemma)0,078
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 enseignants0,047
Score d'incertitude au seuil0,251

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,078
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,291
Tête enseignante GPT0,619
Écart entre enseignants0,328 · 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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review Physics Education ResearchMême sujetScience Education and PedagogyTravaux en français237 207