Geoscience Fieldwork in the Age of COVID-19 and Beyond: Commentary on the Development of a Virtual Geological Field Trip to Whitefish Falls, Ontario, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In response to the COVID-19 pandemic and resultant cancelation of geoscience fieldwork, as well as outstanding accessibility issues inherent in conducting fieldwork, we developed a virtual geological fieldtrip (VFT) to the Huronian age deposits in the Whitefish Falls area, Ontario, Canada. This region is a geologically significant site in which many Ontario universities conduct undergraduate teaching due to the high-quality exposures. In this contribution, we describe and comment on the development of this openly available resource, the motivations in doing so, the challenges faced, its pedagogical impact and relevance, as well as provide suggestions to others in the development of such resources. Our multimedia VFT combines 360° imagery, georeferenced data on integrated maps, and multi-scale imagery (aerial/drone, outcrop, and thin section images). The VFT was built using the Esri Storymaps platform, and thus offers us the opportunity to review the effectiveness of building such resources using this medium, as well as our approach to doing so. We conclude that the Esri Storymaps platform provides a sound medium for the dissemination of multimedia VFTs, but that some aspects of in-person fieldwork remain hard to replicate. Most notably, this affects “hands on experience” and specific activities such as geological mapping. In addition, while VFTs alleviate some accessibility barriers to geoscience fieldwork, substantial barriers remain that should remain the focus of both pedagogical and geoscience work.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle