MétaCan
Menu
Retour à la cohorte
Enregistrement W4387673342 · doi:10.32374/aej.2023.3.1.042aep

Promoting perspective-taking in astronomy by casting images from a phone or tablet up unto a screen

2023· article· en· W4387673342 sur OpenAlexaff
Pierre Chastenay

Notice bibliographique

RevueAstronomy Education Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeography Education and Pedagogy
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Point (geometry)Computer scienceGeocentric modelObserver (physics)Resource (disambiguation)PhoneSpace (punctuation)Computer graphics (images)MultimediaAstronomyArtificial intelligencePhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Astronomy is a spatial science that requires connecting and comparing different points of view on astronomical systems to understand their complex mechanisms. Textbooks’ illustrations often fail to provide such connections, whereas 3D models of astronomical systems that students can “manipulate” are more conducive to learning. But providing learners with different perspectives simultaneously on an astronomical model can be difficult. One way to achieve this goal is by using a smartphone’s or tablet’s camera to capture the geocentric point of view, and sending the image in real-time via a casting device on a TV monitor or projecting a video image on a screen for all students to see. This way, learners can easily switch from their own “space-based” (i.e., allocentric) perspective on the model to what an observer on Earth (i.e., the view captured by the camera) would see at the same time. In this Best practice paper, presented principally as a resource for educators, we review the relevant literature on teaching astronomy with concrete models and promote classroom activities that use cameras, casting devices and projectors to teach the diurnal cycle, the phases of the Moon and eclipses, the seasons, and planetary motion.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,441
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,372
Écart entre enseignants0,333 · 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.

Devis d'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstronomy Education JournalMême sujetGeography Education and PedagogyTravaux en français237 207