INTERDISCIPLINARY EDUCATION THROUGH THE DEVELOPMENT OF A COST-EFFECTIVE PHOTOMETRIC pH METER SENSOR USING NATURAL PIGMENTS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There is a trend of development of analytical methodologies and technologies that allow in situ analysis, producing accurate information in real time, at low cost, using homemade experiments and devices to increase interest in scientific knowledge with a constructive approach in an interdisciplinary perspective in Chemistry Education. In this context, a photometric-chemometric method of analysis was developed to measure the pH of solutions using easily accessible and low-cost material based on the use of natural pigments found in red cabbage (Brassica oleracea L.). Calibrations and determinations were performed by RGB measurements of pigment coloration in solution at different pH values using the free app Photometrix, converted to HSV, YCbCr and YUV color spaces and processed by Partial Least Squares regression (PLS). The best PLS model found was HSV with mean central scale obtained pH measurements with RMSEP 0.98, R2 0.97 and bias close to zero. In addition, experimental data were statistically validated. Analyzes of predicted pH from three independents experiments revealed high recoveries (95-103%) and low relative standard deviations. Thus, the PhotoMetrix app was viable for colorimetric pH determinations using the low-cost photometric pH meter sensor and a smartphone, improving accessibility and applicability in Chemistry Education.
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.
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 | 0,001 |
| 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 | 0,000 |
| 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 découle