Bridging the gap: enhancing science communication in synthetic biology with specific teaching modules, school laboratories, performance and theater
Notice bibliographique
Résumé
Synthetic biology, an interdisciplinary field merging biology, engineering, and computer science, holds significant promise but also gives rise to ethical and safety issues and concerns. Effective communication of scientific concepts is essential to bridge the gap between the scientific community and the general public. Here we present four communication strategies from our own experience that could help address this gap: (i) the teaching module “iGEM-Synthetic Biology”: Students at Technische Universität Berlin (TU Berlin) engage in synthetic biology projects, showcasing their work in a competition format that includes the creation of videos and websites. (ii) Long Night of the Sciences: Students and supervisors from the international Genetically Engineered Machine (iGEM) module at TU Berlin share their results with presentations, experiments, and quiz games during this public event. (iii) Theatre play: Festival für Freunde e.V. has developed a play titled “Life from the Toolbox” to explain genetic modification and synthetic biology for the audience. The play incorporates readings and educational videos. (iv) Heinz-Bethge-Foundation electron microscopy school lab: This laboratory utilizes hands-on experiments with microscopes, including electron microscopes, to visually explain intricate scientific concepts in physics, biology, and synthetic biology. It encourages high school students to delve deeper into the realm of science. These four initiatives represent a communication strategy that resonates with diverse audiences and is suitable to cover the public as a target group independent from their prior knowledge of the scientific background.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».