The “Clean\nAir Outreach Project”: A\nPaired Research and Outreach Program Looking at Air Quality Microenvironments\naround Elementary Schools
Notice bibliographique
Résumé
The City of Kitchener is the largest city in Waterloo\nRegion in\nthe province of Ontario, the third fasting growing region in Canada,\nyet it has only one air quality monitoring station. Our research group\nlaunched a pilot project in September 2020 to install a network of\nAQMesh multisensor mini air quality monitoring stations (pods) near\nelementary schools in Kitchener. Here, we describe an outreach and\neducational project (The Clean Air Outreach Project), which we launched\nin May 2021 for elementary-school-aged students attending schools\nnear the pods. The primary goal of this project was spreading awareness\nabout air quality and its connection to health impacts, principles\nof chemical reactions in the atmosphere, and climate change. The project\ncontinued until December 2021. Virtual presentations were delivered\nby a team of undergraduate university students to a total of 350 students\nin grades 5–8. Student knowledge was assessed using poll questions\nand Kahoot games. Follow-up interviews were conducted with the teachers,\nwho reflected on the impact and educational elements of our presentations.\nThe outcomes of this outreach project and teachers’ feedback\nrevealed that such initiatives can spark interest in scientific knowledge\nin general and engagement in environmental issues at the school and\ncommunity levels.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,000 |
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 tête enseignante, 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 ».