The Evolution of Remote Sensing Education in Canada’s Universities and Colleges: Decades of Innovation and Expansion
Notice bibliographique
Résumé
During the rapid development of remote sensing technology and applications in the 1970’s in Canada, the Canadian Advisory Committee on Remote Sensing conducted a nation-wide review of relevant activities in post-secondary teaching and research. This was updated in the 1980’s. Similar reviews were solicited for the radar community in 2009 by the Canadian Space Agency and for the Geospatial community in Canada in 2016 by Natural Resources Canada. In this paper we report on a new Canadian survey conducted in 2021 which is discussed within the context of the previous profiles. In Canada today there are 65 post-secondary institutions directly involved in remote sensing teaching and 63 academic research centers in this field. At these institutions and others worldwide, significant changes were brought about in education practice in the spring of 2020 with shutdowns in many sectors of the economy in response to the rapid expansion of the COVID-19 virus. Classroom teaching transitioned to on-line communication. These experiences may have a direct influence on how teaching and training practice of ‘hands-on’ disciplines such as remote sensing may evolve and contribute to future growth. We discuss the potential impact of this upheaval for the future of remote sensing education within the remote sensing community in Canada based upon personal experience.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,015 |
| Études des sciences et des technologies | 0,013 | 0,013 |
| Communication savante | 0,016 | 0,005 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».