MétaCan
Menu
← Retour à la cohorte
Enregistrement W4291518367 · doi:10.1145/3543321.3543323

Leveling Up Architectural Education

2022· article· en· W4291518367 sur OpenAlexaffabout
Vincent Hui, Alvin Huang, Kristen Sarmiento

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésParallelsArchitecturePraxisExperiential learningContent creationMultimediaIndigenousSociologyComputer scienceFunction (biology)World Wide WebPedagogyVisual artsEngineeringPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

The recent COVID pandemic has demonstrated that distance learning is no longer a function of broadcasting conventional classroom content to a decentralized audience. Rather than perpetuate disengaged dissemination of content commonplace in in-person teaching environments, educators have aspired to elicit engagement with diverse and rich content available on the internet. This is merely a harbinger of increased demand by students and educators alike for more robust and interactive content. To meet this ambition, an initiative to create a virtual simulation for architecture students to immerse themselves in a historic Canadian First Nations settlement from centuries in the past to better understand the parallels between indigenous approaches to architecture and contemporary praxis. Drawing upon video game infrastructure, the downloadable content fostered accurate and detailed depictions of various building systems as reconstructed as a collaboration between architecture, archaeology, and game design faculty. Rather than simply presented with authoritative facts, within this highly detailed open world, students were able to engage and explore content on their own in understanding the commonalities with contemporary design strategies that provided a greater experiential learning capacity.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,206

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,005
Communication savante0,0110,008
Science ouverte0,0020,021
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0620,013

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 Opus0,021
Tête enseignante GPT0,216
Écart entre enseignants0,195 · 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
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'admission2
Résumé présentoui

Explorer davantage

Même sujet3D Surveying and Cultural Heritage→Travaux en français237 207→