Honoring the Complexity of Genetics: Exploring the Role of Genes and the Environment Using Real World Examples
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
Historically, undergraduate genetics courses have disproportionately focused on the impact of genes on phenotypes, rather than multifactorial concepts which consider how a combination of genes, the environment, and gene-by-environment interactions impacts traits. Updating the curriculum to include multifactorial concepts is important to align course materials to current understanding of genetics, and potentially reduce deterministic thinking, which is the belief that traits are solely controlled by genes. Currently there are few resources to help undergraduate biology instructors incorporate multifactorial concepts into their genetics courses, so we designed this lesson that centers on familiar, real-world examples. During this lesson, students learn how to distinguish between genetic and environmental sources of variation, and examine and interpret examples of how phenotypic variation can result from a combination of gene and environmental variation and interactions. This lesson, which is designed for both in-person and online classrooms, engages students in small group and large group discussion, figure interpretation, and provides questions that can be used for both formative and summative assessments. Results from assessment questions suggest that students found working through models depicting the interactions between genotypes and environments beneficial for their understanding of these complex topics. <em>Primary Image:</em> Mendel’s laws of alternative inheritance of peas. A photo taken by W.F.R. Weldon of variation in color and texture of peas. Reprinted with permission from Biometrika (Weldon WFR. 1902. <em>Mendel’s laws of alternative inheritance in peas</em>).
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 | 0,001 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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