Introducing Second Year Analytical Chemistry Students to Research through Experimental Design in the Undergraduate Teaching Laboratory
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
Advancements in technology have led to significant changes in the workforce and created a demand for expertise in science, technology, engineering, and mathematics (STEM). In response, curricula have evolved to emphasize essential skills such as critical thinking and communication to prepare students for STEM-based careers. To this end, postsecondary institutions continue to develop and incorporate project-based learning (PBL), course-based undergraduate research experiences (CUREs), and process-oriented guided-inquiry learning (POGIL). These opportunities can be offered in junior level (1st and 2nd year) courses by designing projects that match students’ skills and knowledge. Opportunities at the junior level reach a larger student population and can increase interest in STEM-based careers. In this article, we introduce a project-based activity for the second-year analytical chemistry laboratory in which students design and conduct experiments to quantify analytes in real-life samples. Analytes selected for this project (acids or bases, ascorbic acid, beta-carotene, calcium, oxalate, reducing sugars and starch) can be quantified using techniques familiar to second year students including titration and absorbance spectroscopy. Students first designed experimental procedures and received feedback before conducting the experiments. Each experiment was performed over two laboratory periods, which allowed students to modify procedures between iterations to improve their experimental design. This experience allowed students to develop 21st century competencies including critical thinking and problem solving, innovation, creativity and entrepreneurship, self-directed learning, collaboration, and communication.
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 | 0,003 | 0,001 |
| 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 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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