MétaCan
Menu
Retour à la cohorte
Enregistrement W4307464921 · doi:10.1021/acs.jchemed.2c00548

A Problem-Based Approach to Teaching the Internal Standard Method by ATR-FTIR Spectroscopy

2022· article· en· W4307464921 sur OpenAlexaff
Shannon L. W. Accettone, Cassandra DeFrancesco, Lori Van Belle, Joel D. Smith, Erin Giroux

Notice bibliographique

RevueJournal of Chemical Education · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChemistry and Chemical Engineering
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésQuality assuranceCalibrationInternal standardFourier transform infrared spectroscopyContext (archaeology)Quality (philosophy)Computer scienceChemistryAnalytical Chemistry (journal)EngineeringMathematicsMass spectrometryChromatographyPhysicsChemical engineeringStatisticsExternal quality assessment

Résumé

récupéré en direct d'OpenAlex

The ability of students to perform quantitative analysis is a fundamental aspect of analytical chemistry courses and laboratories. In this laboratory experiment, students quantitatively analyze both liquid and solid samples through the use of internal standard calibration and ATR-FTIR spectroscopy. Using a problem-based approach to selecting their internal standards, students gain a deeper understanding of the internal standard method of calibration and the process of selecting appropriate standards for the analysis of sodium benzoate and acetophenone. This experiment allows students to explore the internal standard method of calibration under a wider context of quality control and quality assurance as they frame their quantitative analyses through both internal and external quality assurance testing methods. In a survey of students undertaking this experiment, most students responded that the experiment provided them with a better understanding of the internal standard method of calibration, and the selection of internal standards, and offered them an opportunity to gain hands-on experience with ATR-FTIR spectroscopy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,509

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,255
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical EducationMême sujetChemistry and Chemical EngineeringTravaux en français237 207