MétaCan
Menu
Retour à la cohorte
Enregistrement W4289538368 · doi:10.5703/1288284317547

Development of a Remote Wearables Laboratory Course

2022· report· en· W4289538368 sur OpenAlexaff
Patrick Mayerhofer, James Carter, Max Donelan

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCourse (navigation)Wearable computerComputer scienceHuman–computer interactionMultimediaEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Delivering a remote, hands-on lab course in human biomechanics can be challenging. During the COVID-19 pandemic, we developed an inexpensive, customizable hardware kit along with fully open-source teaching resources to help educators deliver their biomechanics lab courses remotely. These resources allow educators to teach students how to conduct hypothesis-driven biomechanical experiments, without the need for students to have previous coding or electronics experience. Additionally, all of our resources are fully customizable, allowing educators to fit the requirements of their respective biomechanics courses. Before developing our course resources, we defined multiple key principles. First, the whole system must be wearable. All measurement systems should be able to run battery powered and store data. Second, students should not require technical experience for taking the course. Setting up the hardware should work without soldering, and the number of wires and devices for a measurement system should be at a minimum. Students also should not require prior coding knowledge to set up software for the measurement systems and the data analysis. Third, all resources should be financially accessible. The hardware kit should be inexpensive (~cost of a textbook), all the software required should be open-source, and the instructional materials should be open-access. Lastly, the workload for educators to develop a similar course should be minimal. All hardware, software, and instructional materials should be customizable. Our hardware kit consists of commercially available electronic components, specified online [1], with a microcontroller as its base (Fig. A microcontroller functions as a small computer and can read, alter, and output signals from and to other devices in the system. To make the hardware kit wearable, a 9V battery can power the system and a data logger can store the data on a micro SD, eliminating the need for a computer connection. To make the system solderless and minimize the number of wires, all devices in the kit directly connect to the microcontroller with no more than three wires. Moreover, our hardware kit is ~$120 US and can be customized with any device that communicates digitally, analog, or via a specific one-wire-communication system called "qwiic". To support students without prior coding experience, we share our codes in openaccess GitHub repositories [1]. To make all software open-source, we chose Arduino IDE (Integrated Development Environment), a commonly used programming platform for microcontrollers, to program our hardware, and Python, the fastest growing programming language in the world, for data analysis

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,261
Écart entre enseignants0,245 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetExperimental Learning in EngineeringTravaux en français237 207