Developing IoT Activities Using the Problem-Solving Method: Proposal for Novice Engineering Students
Notice bibliographique
Résumé
The inclusion of technological tools in the teaching-learning process in the university environment has not shown significant positive effects on the development of problemsolving skills.Therefore, it is essential to incorporate key methods in education, particularly in engineering, to help students strengthen their skills from the early years of university.The Internet of Things (IoT) emerges as a promising technological alternative to enhance teaching and learning processes in classrooms, while also fostering problem-solving skills in new university students.This study aims to propose a problem-solving method for implementing IoT activities in the classroom, targeted at first-year university students.The method is structured into four phases: understanding the problem, preparation of the plan, implementation of the plan, and solution review.The current study utilized a quasi-experimental design of the pre-test and post-test type, with intentional non-probabilistic sampling that was proportional to the number of students in the population.The results show that, by combining this four-phase method with technological resources (such as block-based programming with mBlock, Arduino boards, BME680 sensors, the ESP12F WiFi module, and MQTT client applications), out of the 73 students who participated in the IoT activities, 57, 49, 60, and 58 improved their skills in problem understanding, plan development, plan execution, and solution review, respectively.Additionally, it was observed that students developed the skill of plan execution to a greater extent, followed by solution review, problem understanding, and plan development.This teaching method aims to assist students who are starting their university studies in participating more effectively in IoT-related tasks and developing strong problem-solving skills.To meet these challenges, the teacher's role is crucial as they must supervise and provide continuous feedback.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».