The BioExperience Research and Entrepreneurship Challenge: An iGEM-inspired applied research program for BIOSTEM talent and skills development
Notice bibliographique
Résumé
Post-secondary education is falling behind in delivering the talent and skills development needed to support the growth of biology-based economies and the demands of professional and research-based graduate degree programs. Here, we describe an applied research program, the BioExperience Research and Entrepreneurship Challenge, launched in May 2020 to mitigate the impact of the COVID-19 pandemic on undergraduate experiential learning programs at the University of Ottawa, Ontario, Canada. The program provided undergraduates with meaningful talent and skills development opportunities by implementing a student-centred, project-based learning approach inspired by the International Genetically Engineered Machine (iGEM) competition. We present evidence from participant exit surveys suggesting that the program delivers a high-quality learning environment and improves learning outcomes compared to traditional work-integrated learning. Notably, 84% of respondents reported an excellent or exceptional learning experience and significant or profound improvements in skills, such as leadership (72% of respondents), problem-solving (42% of respondents) and research preparedness (52%) that are difficult to develop in conventional academic programs. Remarkably, 60% of respondents report that the job-readiness training provided by the program is better or much better than traditional work-integrated learning. Our study demonstrates that a cost-effective and scalable alternative to the iGEM competition can improve talent and skills development in BIOSTEM fields.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».