Making Physical Measurements from Student’s Own Images
Notice bibliographique
Résumé
Observational astronomy is a quantitative endeavour in which scientists record and analyse data such as images or spectra. Yet, at public events at observatories, we are often asked “where do you look through?” This demonstrates a gap between the astronomer’s work and the public’s perception of astronomers. The survey course for non-science majors at Kwantlen Polytechnic University, Canada, attempts to bridge this gap, in part, by providing opportunities for students to experience their own scientific process of taking data and analysing them for quantitative results. Two lab activities that involve working with images are described here.\nIn the parallax activity, students take photographs of a ball from two different locations. The ball represents a distant star and the two locations represent the Earth’s motion along its orbit. The images are analysed for parallactic shift against background objects, and ultimately, students work out the distance to the “star”.\nLater in the course, students observe the Moon using 8-inch telescopes with webcam adapted cameras to record image frames, which are combined to make a lunar mosaic. Crater and maria sizes are measured from the mosaic in kilometres and compared to sizes of Earth features. Students also work through the logistical steps of telescope time assignment, scheduling and weather.\nBoth lab activities take students out of the laboratory for active engagement and demonstrate the idea that systematic analysis of image data can yield scientific measurements.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,638 | 0,012 |
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 ».