MétaCan
Menu
Retour à la cohorte
Enregistrement W2017475056 · doi:10.1021/ed077p1486

Teaching Sample Preparation in the Undergraduate Laboratory

2000· article· en· W2017475056 sur OpenAlexaff
Ed Segstro, Douglas M. Goltz, Tara Hall, Andrew Grant

Notice bibliographique

RevueJournal of Chemical Education · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésLaboratory safetyUndergraduate researchSample (material)Mathematics educationEngineering physicsChemistryMedical educationEngineeringChromatographyPsychologyMedicineOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Teaching sample preparation in an undergraduate analytical chemistry laboratory provides many challenges. For example, the time required to properly digest a sample means that sample preparation and method development are often deliberately overlooked in the undergraduate laboratory. To teach sample preparation, we have developed an experiment for the acid digestion of an iron ore sample in a microwave oven. From a pedagogical perspective, the microwave oven has the advantage of allowing easy control of experimental parameters such as heating power and time. This experiment requires two 3-hour lab periods. One lab period is required for determining the optimum conditions to achieve maximum extraction of Fe from an iron ore sample. The digestion parameters used for this experiment are choice of acid, digestion time at a fixed microwave power, and microwave power at a fixed time. A second lab period is required for the preparation of calibration standards and the analysis of the ore samples for Fe using flame atomic absorption spectroscopy. Using the optimum digestion parameters, Fe was measured in a known ore sample and was within 2% of the expected concentration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0430,022

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,259
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical EducationMême sujetExperimental Learning in EngineeringTravaux en français237 207