Brewing alcohol 101: An undergraduate experiment utilizing benchtop NMR for quantification and process monitoring
Notice bibliographique
Résumé
In recent years there has been a renewed interest in benchtop NMR. Given their lower cost of ownership, smaller footprint, and ease of use, they are especially suited as an educational tool. Here, a new experiment targeted at upper-year undergraduates and first-year graduate students follows the conversion of D-glucose into ethanol at low-field. First, high and low-field data on D-glucose are compared and students learn both the Hz and ppm scales and how J-coupling is field-independent. The students then acquire their own quantitative NMR datasets and perform the quantification using an Electronic Reference To Access In Vivo Concentration (ERETIC) technique. To our knowledge ERETIC is not currently taught at the undergraduate level, but has an advantage in that internal standards are not required; ideal for following processes or with future use in flow-based benchtop monitoring. Using this quantitative data, students can relate a simple chemical process (fermentation) back to more complex topics such as reaction kinetics, bridging the gaps between analytical and physical chemistry. When asked to reflect on the experiment, students had an overwhelmingly positive experience, citing agreement with learning objectives, ease of understanding the protocol, and enjoyment. Each of the respondents recommended this experiment as a learning tool for others. This experiment has been outlined for other instructors to utilize in their own courses across institutions, with the hope that a continued expansion of low-field NMR will increase accessibility and learning opportunities at the undergraduate level.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».