MétaCan
Menu
Retour à la cohorte
Enregistrement W2085490130 · doi:10.1021/ed500284d

Mechanisms before Reactions: A Mechanistic Approach to the Organic Chemistry Curriculum Based on Patterns of Electron Flow

2015· article· en· W2085490130 sur OpenAlexaff
Alison B. Flynn, William W. Ogilvie

Notice bibliographique

RevueJournal of Chemical Education · 2015
Typearticle
Langueen
DomaineChemistry
ThématiqueVarious Chemistry Research Topics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésElectron flowCurriculumChemistryFlow chemistryFlow (mathematics)Mathematics educationEnvironmental chemistryBiochemical engineeringOrganic chemistryEngineeringPsychologyBiochemistryPhysicsPedagogyMechanicsCatalysis

Résumé

récupéré en direct d'OpenAlex

A significant redesign of the introductory organic chemistry curriculum at the authors’ institution is described. There are two aspects that differ greatly from a typical functional group approach. First, organic reaction mechanisms and the electron-pushing formalism are taught before students have learned a single reaction. The conservation of electrons, atoms, and formal charges, how the use of curved arrows helps describe the mechanism, and how to predict reaction mechanisms are emphasized. Second, the reactions taught in the first two semesters of organic chemistry are arranged by their governing mechanism, rather than by functional group. The reactions are taught in order of increasing difficulty, beginning with acid–base reactions, followed by simple additions to π electrophiles, and ending the first semester with addition to π nucleophiles, including aromatic chemistry. The reactions in the second organic semester begin with elimination reactions, then substitutions, and finally more complex π nucleophile mechanisms (e.g., aldol reaction) and π electrophile reactions (e.g., acetals). Ultimately, the goal is for students to learn and interpret reactions based on their patterns of reactivity, allowing them to analyze, predict, and explain new reactions. In principle, a mechanistic method is more general, easier to understand, and provides a better way to achieve a deep understanding of chemical reactivity. Chemical reactions follow patterns, and these patterns can allow a chemist to predict how a chemical will behave, even if they have never seen a particular reaction before. Visualizing reactivity as a collection of patterns in electron movement is a more powerful and systematic way to approach learning in organic chemistry. It still requires some memorization, but because the course organization is directly linked to reaction patterns, deeper learning in the discipline is possible.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,003
Communication savante0,0050,008
Science ouverte0,0040,004
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0310,013

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 Opus0,013
Tête enseignante GPT0,274
Écart entre enseignants0,261 · 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'étudeThéorique ou conceptuel
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

Citations144
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

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