MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413245809 · doi:10.5194/ecss2025-310

An open educational approach to teaching convection-resolving modeling with Cloud Model 1 (CM1)

2025· article· en· W4413245809 sur OpenAlexaffabout
Lisa Schielicke, Luna Awad, Oliver Heuser, Yidan Li, Keya Raval, Jerome Schyns, Jose Pablo Solano Marchini, Aaron Sperschneider, Patrick Zobec, Christoph Gatzen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCloud computingVisualizationBachelorComputer scienceCourse (navigation)Mathematics educationMeteorologyEngineeringPsychologyPhysics

Résumé

récupéré en direct d'OpenAlex

We present our experiences from a two-week educational block course, first conducted at the University of Bonn during the 2023 winter semester, which introduced students to the nonhydrostatic, time-dependent, convection-resolving Cloud Model 1 (CM1). The course provided hands-on training in configuring and running CM1 simulations on a high-performance computing cluster, offering participants practical experience in the numerical modeling of moist convection. An introduction to three-dimensional visualization tools enabled students to transform simulation output into graphical representations, facilitating the interpretation of cloud dynamics.Pre- and post-course surveys demonstrated significant gains in students’ understanding of atmospheric processes and in transferable skills such as high-performance computing and data visualization. The course was structured in two parts: the first covered core concepts, while the second allowed students to apply their knowledge to independent research projects. Initially designed for meteorology students with a strong background in atmospheric science, the course is now being adapted for physics students at Western University. As part of this transition, new learning materials are being developed, and preliminary outcomes will be presented.The course has already led to several bachelor’s and master’s thesis projects, as well as undergraduate research experiences focused on severe convective storms in Canada. Many of the students involved in these projects have contributed as co-authors to the present work. All course materials are available as open educational resources (Schielicke, L., January 2024: Cloud Model 1 & Visualization-A Block course. ResearchGate, http://dx.doi.org/10.13140/RG.2.2.30017.12642).

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Méthodes
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0020,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0260,006

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 Opus0,049
Tête enseignante GPT0,296
Écart entre enseignants0,247 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMeteorological Phenomena and Simulations→Travaux en français237 207→