Use of the NutriBiochem Mobile Application in Nutrition & Biochemistry Education
Notice bibliographique
Résumé
Mobile technology is an expanding field that allows users to study “anytime, anywhere”. Mobile education targets students who are avid users of technology such as smartphones and tablets. Students may benefit from mobile applications as they serve to conveniently provide instructional materials on familiar devices. The NutriBiochem application (app) was developed at the University of Guelph for use in Nutrition and Biochemistry education at the undergraduate level. The app contains 12 modules related to macro/micronutrients and metabolism, with each module consisting of review cards and multiple choice quizzes. Modules cover a range of topics, from micronutrients to lipid and carbohydrate metabolism. Review cards include figures, pathway diagrams, and key points. Quiz questions are generated from a pool of over 1000 questions, and feedback detailing student proficiency in various areas is provided upon completion of each quiz. NutriBiochem is available at no cost, for any user with an iOS, Android or BlackBerry device or computer interface; at present, there have been over 3500 downloads across these platforms. The pedagogical impact of this app will be demonstrated by analysis of frequency of app use in relation to student performance, and data regarding user characteristics (such as device and feature preferences) will be presented. It is our goal to determine whether this app is a useful pedagogical tool, and to characterize functions and features of mobile applications that students find appealing.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,089 | 0,042 |
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 ».