MétaCan
Menu
Retour à la cohorte
Enregistrement W4402452647 · doi:10.11159/cist24.176

CAN-Bus Remote Laboratory on WebLab-Deusto System

2024· article· en· W4402452647 sur OpenAlexvenueno aff
Oleksandr Velihorskyi, Roustiam Chakirov, Christoph Mauel

Notice bibliographique

RevueProceedings of the World Congress on Electrical Engineering and Computer Systems and Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueEmbedded Systems and FPGA Design
Établissements canadiensnon disponible
Organismes subventionnairesBundesministerium für Bildung und ForschungDeutscher Akademischer Austauschdienst
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Technologies of online education, such as videoconferencing, online learning management systems, and remote laboratories play crucial role in modern world, providing equal possibilities for students all over the world.The goal of the paper is to present the results of the development of a remote laboratory for online access to the CAN-Bus experiment for students of electrical engineering programs.The developed remote laboratory setup is based on Remote Laboratory Management System WebLab-Deusto, and extends existing in Bonn-Rhein-Sieg University of Applied Sciences CAN-Bus experiment.The laboratory consists of several layers, which are described in detail in the paper -layer of management system (server with WebLab-Deusto instance), an experiment server based on Raspberry Pi, input-output infrastructure for the connection with the experiment, and finally, the existing experiment equipment.The Python-based web framework Flask and library Weblablib were used in the experiment server, providing a remote laboratory web application and human-machine interface for the interaction with the equipment.The laboratory can be used in remote and on-site modes and can be further integrated to the university's learning management system Moodle.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,176

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0530,013

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,186
Écart entre enseignants0,181 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueProceedings of the World Congress on Electrical Engineering and Computer Systems and ScienceMême sujetEmbedded Systems and FPGA DesignTravaux en français237 207