MétaCan
Menu
Retour à la cohorte
Enregistrement W4396775438 · doi:10.1002/cae.22755

Bridging theory and practice: CFD simulation and interactive VR for conduction heat transfer learning

2024· article· en· W4396775438 sur OpenAlexaff
Ihab H. Alsurakji, Amjad El‐Qanni, Tariq Malhis, Md Radwan Ahmed, Mohammad Zayed, Maryam Hmoudah, Wael H. Ahmed, Mohammad Najjar, Mohammad Abuabiah, Bahaa Shaqour

Notice bibliographique

RevueComputer Applications in Engineering Education · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsComputer scienceHeat transferThermal conductionBridging (networking)Simulation softwareSoftwareFluentVirtual realitySimulationMechanical engineeringComputer simulationHuman–computer interactionEngineeringMaterials scienceMechanicsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Software simulation programs and virtual reality (VR) have become powerful tools for several educational purposes, and recently, they were used in a wide range of applications. In cases of inaccessibility to labs, workshops, or industries, as happened before in the coronavirus disease 2019 pandemic, these tools could be effectively integrated with practical lab experiments. In this study, a computational fluid dynamics (CFD) simulation and a VR module were utilized to simulate heat transfer by conduction through various experimental cases. The CFD simulation results were obtained using ANSYS/FLUENT software. Meantime, the experimental data were obtained by carrying out three experiments of heat conduction with different heat transfer rates through simple, composite, and different cross‐sectional area bars. At last, the experimental procedure and devices used were virtually constructed using SolidWorks software as three‐dimensional models, which were then extruded into VR and augmented reality models. It was found that the simulation results closely align with the experimental ones, and the temperature profile in both cases has the same behavior with small differences, which indicates the validity of the developed module to be used as a simulation of the actual experiments. In addition to improving knowledge of heat transfer principles, this combination of simulation and VR technology advances many Sustainable Development Goals (SDGs), including advancing quality education (SDG 4) and innovation in higher education (SDG 9). Additionally, this method assists in achieving the course learning objectives by mimicking real‐world lab experiments, guaranteeing that students graduate from the course with the required information and abilities.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,017
Tête enseignante GPT0,331
Écart entre enseignants0,314 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer Applications in Engineering EducationMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207