Using a Hyflex Learning Format in a Second-year Mechatronics Course
Notice bibliographique
Résumé
This evidence-based practice paper details a Hyflex learning format used in a second-year Mechatronics course for Mechanical Engineering majors.At York College of Pennsylvania, Mechatronics introduces second-year Mechanical Engineering students to essential aspects of electronics and instrumentation through experiential hands-on learning.Students regularly conduct laboratory exercises and work on short projects as they learn about common electronic components, basic circuit analysis and sensors, and how these components can be used to create electro-mechanical devices.The course was modified in Spring 2021 to incorporate aspects of the Hyflex course format necessary to accommodate the ongoing COVID-19 pandemic.The course format enabled students to attend in person or remotely through Zoom video conferencing.The format expanded the use and support of asynchronous learning activities to better enable students quarantined, due to close contacts or positive Covid tests, to keep up or catch up on the course instruction.The goal of the instructors was to enable the same learning outcomes for all students, independent of personal circumstances.Online software tools (Canvas learning management system, Tinkercad and Nearpod) were used to deliver content and engage students.Conceptual topics were introduced followed by hands-on activities from Make: Electronics 2nd edition.Each student was also given a kit of electronic components, wire, a breadboard and a multimeter.Students completed and submitted assignments in a variety of digital formats, such as video reports.This paper details the Hyflex modifications made to Mechatronics.It also includes student feedback and instructor reflections.Although the Hyflex format required significant new planning and experimentation it provided a means of accommodating a mix of face-to-face and online students and also provided an opportunity to increase the long term effectiveness of the course.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,013 |
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 ».