MétaCan
Menu
Retour à la cohorte
Enregistrement W2030727122 · doi:10.1021/ed1011647

<i>JCE</i> Classroom Activity #110: Artistic Anthocyanins and Acid–Base Chemistry

2011· article· en· W2030727122 sur OpenAlexaff
Jenna Lech, Vladimir Dounin

Notice bibliographique

RevueJournal of Chemical Education · 2011
Typearticle
Langueen
DomaineChemistry
ThématiqueVarious Chemistry Research Topics
Établissements canadiensUniversity of TorontoInstitute for Christian Studies
Organismes subventionnairesnon disponible
Mots-clésChemistryChemistry educationScience educationBase (topology)Mathematics educationPsychologyEpistemologyQuality (philosophy)MathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Art and science are sometimes viewed as opposing subjects, but are united in many ways. With an increased awareness of the benefits of interdisciplinary studies in education, it is desirable to show students how different subjects impact one another. Visual arts are greatly connected to chemistry in several ways. Pigments are usually synthetically produced to conjure all the colors of the rainbow for creating many great masterpieces. However, these hues were originally derived from naturally occurring minerals and plants. Students can still paint a “green” or environmentally friendly picture, using colors obtained without synthesis. The fun procedure outlined here illustrates how red cabbage juice, along with other types of produce, can be used to prepare an inexpensive canvas that can be transformed into works of art while using acids and bases to modify the chemical structure of the anthocyanin pigment within the produce. Using this hands-on classroom activity, students will understand the benefits of using natural pigments, investigate how colors can be manipulated, make color gradients, and explore how using different media can affect an individual’s artwork. Importantly, students will also develop understanding of the interconnection between science and art.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil0,879

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,3840,133

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 Opus0,026
Tête enseignante GPT0,278
Écart entre enseignants0,252 · 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.

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

Citations22
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical EducationMême sujetVarious Chemistry Research TopicsTravaux en français237 207