How’s\nthe Air Out There? Using a National Air\nQuality Database to Introduce First Year Students to the Fundamentals\nof Data Analysis
Notice bibliographique
Résumé
Chemistry is increasingly data centric and the undergraduate\ncurriculum\nneeds to adjust to keep up. To address this, we created the <i>Air Quality Activity</i>, a new first-year undergraduate activity\nwhere students use Microsoft Excel to analyze a unique subset of atmospheric\nozone (O<sub>3</sub>) and nitrogen dioxide (NO<sub>2</sub>) measurements\nfrom the Canadian National Air Pollution Surveillance (NAPS) program.\nThrough this activity students develop their numeracy, graphicacy,\nand proficiency with Excel. Moreover, students are equipped with a\nfoundational approach to data analysis they can leverage throughout\ntheir studies. To make this activity possible, we developed an open-source\nwebbook detailing pertinent Excel operations for first-year students,\nand an interactive web-app for the generation, distribution, and exploration\nof NAPS data. Students were excited by the analysis of real-world\nchemical phenomena in comparison to traditional first-year lab exercises\nand appreciated their acquired Excel skills. The <i>Air Quality\nActivity</i> is readily adaptable for both virtual and in-person\nimplementation, entirely open-source, and readily deployable at any\ninstitution wishing to teach data analysis in a chemistry context.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».