MétaCan
Menu
Retour à la cohorte
Enregistrement W4312677244 · doi:10.1145/3551708.3556203

MIXED REALITY MEDIA TECHNOLOGIES AS A CATALYST FOR ARCHITECTURAL AGENCY

2022· article· en· W4312677244 sur OpenAlexaffabout
Vincent Hui, Alvin Huang, Ariel Weiss

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAugmented realityAgency (philosophy)Mixed realityVirtual realityExhibitionExperiential learningCapstoneEmerging technologiesArtificial realityAccreditationArchitectureEngineering ethicsPresentation (obstetrics)EngineeringSociologyComputer sciencePolitical sciencePedagogyComputer-mediated realityHuman–computer interactionVisual artsSocial scienceArt

Résumé

récupéré en direct d'OpenAlex

Though incredible strides have been made in the adoption of mixed reality technologies in the past decade, the reality is that they have often remained inaccessible for a variety of reasons including expense and expertise. While both the costs and learning curves of these technologies have flattened in recent years, they remain an esoteric component in contemporary pedagogy. This is fundamentally due to the lack of curricular and extracurricular application. This presentation demonstrates the effective adoption of virtual and augmented reality technologies in Canada's largest undergraduate accredited architecture program that has given agency to students in their academic design work and more noteworthy, their extracurricular initiatives. Through a comprehensive case study of a student project showcased at the recent international Winter Stations design exhibition, this paper demonstrates the effective inculcation, integration, and application of mixed reality tools in empowering students to bring their design ideas to built reality. The integration of innovative mixed reality technologies is no longer hampered by technological accessibility; it is mired by curricular inertia and dogma. The promise of breaking through conventional pedagogical frameworks with innovative technologies is reinforced and highlighted in this experiential learning precedent.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,283
Écart entre enseignants0,237 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAugmented Reality ApplicationsTravaux en français237 207