MétaCan
Menu
Retour à la cohorte
Enregistrement W4320003114 · doi:10.18280/mmep.090609

Analysis of Kinematic Processes in Physics Based on Functional-Graphical Lines in Mathematics

2022· article· en· W4320003114 sur OpenAlexvenueno aff
Zhuldyz Nurmaganbetova, Nurgali Ashirbayev, Manat Shomanbayeva, Raina Bekmoldaeva

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Theoretical and Applied Studies in Material Sciences and Geometry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntuitionKinematicsRepresentation (politics)Computer scienceFunction (biology)Point (geometry)Process (computing)Theoretical computer scienceAlgebra over a fieldMathematicsEpistemologyGeometryPure mathematicsProgramming languagePhysics

Résumé

récupéré en direct d'OpenAlex

An analysis of algebra textbooks of 9 grades allowed to state that in the textbooks little attention is paid to the relationship of the quadratic function with real processes, in some textbooks this connection is completely absent. The purpose of the article is to study the kinematic processes in physics based on functional-graphical lines in mathematics. In order to implement such a connection, we have considered problems with physical content and given methods for solving these problems using a functional graphic line (FGL). The analysis of the given graphs opens up wide methodological possibilities of training, since the graphical representation of the physical process makes it more visual and thereby facilitates understanding of the phenomenon under consideration, promotes the development of abstract thinking, intuition, the ability to analyze and compare, and find a more rational way to solve problems. The systematic implementation of such works allows a deeper study of the topic and rational use of the new technique for studying FGL, finding natural connections between disciplines, studying phenomena and processes in technology and nature from the point of view of functional graphic lines.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,764
Score d'incertitude au seuil0,489

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,204
Écart entre enseignants0,189 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetAdvanced Theoretical and Applied Studies in Material Sciences and GeometryTravaux en français237 207