Currently, urban agriculture is gaining increasing attention as it helps enhance food security and expand green spaces in cities. However, some people remain uninterested in urban farming, possibly due to living in urban areas or having limited space, making them perceive agriculture as something distant from their daily lives. The development of an urban agriculture card game aims to promote learning about urban farming through an engaging and enjoyable gameplay experience.
การทำเกษตรในเมืองได้รับความสนใจอย่างแพร่หลาย โดยใช้พื้นที่ว่างในเมืองเพื่อทำการปลูกพืชหรือเลี้ยงสัตว์เพื่อเพิ่มความมั่นคงทางอาหารและพื้นที่สีเขียว การเรียนรู้ผ่านเกมช่วยให้ผู้เรียนเข้าใจเนื้อหาได้ดีขึ้นและสนุกสนาน ทั้งปัจจุบันบอร์ดเกมหรือการ์ดเกมได้รับความนิยมอย่างมากจึงมีความสนใจและเล็งเห็นวิธีการเรียนรู้ผ่านการเล่นการ์ดเกมที่ได้ทั้งความสนุกสนานและความรู้ผ่านกลไกของเกม เพื่อสร้างความเข้าใจและตระหนักถึงความสำคัญของการเกษตรในชีวิตประจำวัน
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
-
คณะวิศวกรรมศาสตร์
ยานยนต์ไฟฟ้าดัดแปลง
คณะวิศวกรรมศาสตร์
This research suggested natural hemp fiber-reinforced ropes (FRR) polymer usage to reinforce recycled aggregate square concrete columns that contain fired-clay solid brick aggregates in order to reduce the high costs associated with synthetic fiber-reinforced polymers (FRPs). A total of 24 square columns of concrete were fabricated to conduct this study. The samples were tested under a monotonic axial compression load. The variables of interest were the strength of unconfined concrete and the number of FRRlayers. According to the results, the strengthened specimens demonstrated an increased compressive strength and ductility. Notably, the specimens with the smallest unconfined strength demonstrated the largest improvement in compressive strength and ductility. Particularly, the compressive strength and strain were enhanced by up to 181% and 564%, respectively. In order to predict the ultimate confined compressive stress and strain, this study investigated a number of analytical stress–strain models. A comparison of experimental and theoretical findings deduced that only a limited number of strength models resulted in close predictions, whereas an even larger scatter was observed for strain prediction. Machine learning was employed by using neural networks to predict the compressive strength. A dataset comprising 142 specimens strengthened with hemp FRP was extracted from the literature. The neural network was trained on the extracted dataset, and its performance was evaluated for the experimental results of this study, which demonstrated a close agreement.