MétaCan
Menu
Retour à la cohorte
Enregistrement W4389954386 · doi:10.21810/sfuer.v15i1.6159

Science in Informal Learning Spaces: Tinkering Space at Science World

2023· article· en· W4389954386 sur OpenAlexaffvenueabout
K. J. Lee

Notice bibliographique

RevueSFU Educational Review · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Environments and Student Outcomes
Établissements canadiensScience World at Telus World of Science
Organismes subventionnairesnon disponible
Mots-clésSpace (punctuation)Informal learningSpace ScienceScience learningData scienceScience educationComputer scienceSociologyPsychologyMathematics educationEngineeringPedagogy

Résumé

récupéré en direct d'OpenAlex

Aside from unique architecture Science World has become iconic for families in Vancouver to explore hands-on exhibits and galleries that nurture their process of discovery and inspire connection with their natural, physical, and built environments. Our value of inquiry-rich, play-based, cross-disciplinary learning is embedded in every aspect of design, from fun interactive exhibits, engaging stage shows, and unique school programs. Throughout Science World you will discover that each gallery focuses on different themes and topics. Gallery spaces have their own narratives, learning goals, and outcomes. One of newest galleries at Science World is our Tinkering Space: The WorkSafeBC Gallery. The Tinkering Space has daily tinkering programming where you can solve problems, make new things from existing parts, create something cool and imaginative, and learn through experimenting and making mistakes. You’ll also learn about the science behind safety and how important it is to choose the right tools for the job. This informal learning environment captures the playful spirit of Science World all in one place. Creating the Tinkering Space is an iterative journey, and we continue to work hard to build out the visitor experience and pedagogical practice we have today.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,006
Communication savante0,0060,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,042
Tête enseignante GPT0,419
Écart entre enseignants0,377 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSFU Educational ReviewMême sujetEducational Environments and Student OutcomesTravaux en français237 207