Achieving Deep Learning through Integration of 360° Virtual Reality Tour, Hands-on Experience, and Simulation-Based Design in a Project-Based Laboratory
Notice bibliographique
Résumé
We present an integrated project-based learning (PBL) asset integrating 360° virtual reality tour, high-fidelity simulation, and simulation-based design for chemical engineering laboratory courses. The 360° virtual reality tour integrated with videos and learning lessons of distillation equipment components is based on a pilot-scale distillation column of the standard industrial design and an authentic separation system of renewable bioethanol. The dedicated simulation modules, tailored for process simulation and simulation-based design anchored on rigorous theoretical methods, provide students with accurate process performance scenarios and genuine process design practice. The unique combination of virtual reality and high-fidelity simulation enables students of all academic years to explore the connections among the process equipment and operation, underlying concepts, simplifying assumptions and sustainable design with high-level efficiency, depth, and flexibility. The integrated learning modules also contain content-appropriate learning activities and expected learning outcomes for all academic levels, and culminates in senior year as a project-based design laboratory focusing on sustainable design of equipment, systems, and processes, along with hands-on laboratory. Altogether, the integrated learning based on the exploration of the real-world process is structured to support efficient, student-oriented, and design-centric learning for students to acquire knowledge and engineering skills of integrated real-world systems and develop cognitive ability for problem solving. In particular, the integrated learning in the open-ended PBL with design component is expected to help students achieve higher-level learning outcomes and critical engineering skills.
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 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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».