E-textile Learning Scaffolds: Supports for Novices Learning E-textile Concepts and Techniques
Notice bibliographique
Résumé
Electronic textiles (e-textiles) combine the conductive properties of metallic threads with increasingly small computers and microcontrollers to create textiles that are interactive. E-textiles enable new opportunities such as devices that are strong yet flexible, and the ability to use more accessible crafting tools and materials. They also allow technology to blend into the textiles we have in our lives, such as those on our bodies and in our homes. In education, e-textiles are incorporated into curriculums for how they can increase participation in physical computing, while also enabling new creative and expressive applications. Yet blending the fields of physical computing and textiles is not simple, since each has its own culture of terminology, design and prototyping practices, tools, techniques, and methods of documentation. The goal of this thesis is to support beginners in learning the hybrid craft of e-textiles with e-textile learning scaffolds. Rather than building e-textiles from scratch, e-textile learning scaffolds are activities for supporting novices as they learn e-textile concepts and practice the tacit aspects of the craft. One central research question runs throughout the projects in this thesis: "How can we scaffold e-textile ideation and experiential learning with tangible objects and activities?" This thesis contributes five studies, each providing a tangible scaffold or activity, or scaffolding recommendations, for teaching e-textiles in courses or workshops. The design of these learning scaffolds focused on how they could be accessible to educators by prioritizing reproducibility, re-use, and low-cost.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».