Making molecular biology fun: Fish fraud in Ontario
Notice bibliographique
Résumé
Connecting the theory and practice in labs in a molecular biology course has been a challenge. Molecular cloning experiments incorporate theory learned in the course in one single experiment, but these types of experiments are long (>8 weeks to see results in our current lab and lecture format), are often unsuccessful by lab groups despite best practices, and may not be applicable to the future lives of graduates of the Chemical Laboratory Technology program. This course is taught by contract faculty, so spending a large amount of time redesigning course content is often not possible. The goal of this exercise was to find a pre-made, short (2 lab sessions maximum) experiment that would incorporate multiple topics learned in the course (DNA extraction, PCR, primer design, gel electrophoresis, PCR cleaning protocols, DNA sequencing, and DNA barcodes) and solidify those theoretical concepts in a practical setting using a protocol relevant to genetic-based molecular investigations in the present day. We used a Fish DNA Barcode kit to examine the frequency of fish mislabeling in restaurants and grocery stores in Southwestern Ontario (a protocol used by the CIFA in Canada and the FDA in the USA for monitoring food fraud). What we found was astounding: few of the samples were labeled correctly, and some were wildly mislabeled. The students were able to complete the experiment with a high success rate, and the experiment performed brings “real-world” experience into the lab environment. Participants in this session will get a detailed walk-through of the experiment, how it relates to course, program, and vocational learning outcomes of the CLT program using a non-traditional laboratory experiment.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».