MétaCan
Menu
Retour à la cohorte
Enregistrement W4245449254 · doi:10.26434/chemrxiv.11936244

The Mechanisms App: Electron-Pushing Formalism as a Software System

2020· preprint· en· W4245449254 sur OpenAlexaff
Julia Winter, Sarah E. Wegwerth, Gianna J. Manchester, Michael T. Wentzel, James E. Kabrhel, Lawrence J. Yee

Notice bibliographique

RevueChemRxiv · 2020
Typepreprint
Langueen
DomaineChemistry
ThématiqueVarious Chemistry Research Topics
Établissements canadiensDow Chemical (Canada)
Organismes subventionnairesSmall Business Innovation ResearchAugsburg UniversityNational Science Foundation
Mots-clésFormative assessmentUsabilityCurriculumComputer scienceChemistryConstruct (python library)Human–computer interactionFormalism (music)Mathematics educationMultimediaWorld Wide WebPsychologyPedagogyArtVisual arts

Résumé

récupéré en direct d'OpenAlex

<p>The arrows depicting electron movement and the bond-making and breaking events are the maps that guide student instruction in organic chemistry curricula. For students, the pathways represented by electron pushing formalism (EPF) can be tough to navigate. For instructors, providing formative feedback to students to support their learning of the EPF arrow system is difficult to provide in a timely manner. The Mechanisms app (“Mechanisms”) was developed as a method for students to explore the electron movement of organic chemistry through a touch screen interface of a smart phone or tablet and do so within a game-like experience. In this paper the pedagogical content of the Mechanisms app (“Mechanisms”) is described along with studies of students’ use of the app to understand whether the open-ended experience to construct understanding of EPF is valuable as a formative assessment method. Presented in this paper are the results of Mechanisms use by analysis of a multi-institution anonymous student survey, with a usability study of organic chemistry students, and with three case studies detailing the use of the app in college classrooms. </p>

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,574
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0030,003
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,266
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetVarious Chemistry Research TopicsTravaux en français237 207