"Big Bang" in the Undergraduate Chemistry Curriculum via Symbolic Computation
Notice bibliographique
Résumé
The modern delivery of concepts in physical chemistry can now take advantage of the integration of symbolic computation engines. The advancement of the friendly user- interfaces of the existent packages open to dedicated chemists the programming capacity for the creation of precise, digital definitions for most of the core notions in physical chemistry. Basic concepts such as orbitals, molecular dynamics, vibrational reaction coordinate, Stirling-compliant distribution models, thermodynamic probability and statistical entropy, etc. can now be readily calculated for medium-populated chemical systems by using the computation power of the computation engines, rather than only suggested via pictures or highly approximate calculations on the blackboard. As a result, the undergraduate curriculum can be expanded to include concepts previously introduced only in the graduate curriculum, and even subjects at the frontier of science - research objects. The impact on students is instantaneous, as they can now be equipped with tools matching the modelling/computation power utilized by high calibre researchers only a few decades ago. This paper presents the pedagogical and research results obtained by the implementation of the CHEMLOG educational system in the (under)graduate curriculum. The CHEMLOG system is based on the utilization of a symbolic computation engine interfaced with a database of chemical concepts regularly updated with the newest research results reported in the literature in the field of physical chemistry. The analysis covers a 5-year period of classroom- delivery, as well as the analysis of the online- setup covering more than one million requests from the CHEMLOG server since 1999.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».