Open Educational Resources for distributed hands-on teaching in molecular biology
Notice bibliographique
Résumé
Abstract The urgent need to develop a more equitable bioeconomy has positioned biotechnology capacity building at the forefront of international priorities. However, in many educational institutions, particularly in low-and middle-income countries, this remains a major challenge due to limited access to reagents, equipment, and technical documentation. In this work, we describe Open Educational Resources (OER) composed of locally produced biological reagents, open source hardware and free software to teach fundamental techniques in biotechnology such as LAMP DNA amplification, RT-PCR RNA detection, enzyme kinetics and fluorescence imaging. The use of locally produced reagents and devices reduces costs by up to one order of magnitude. During the pandemic lockdowns, these tools were distributed nationwide to students’ homes as a lab-in-a-box for remote teaching of molecular biology. To test their performance, a total of 93 undergraduate students tested these resources during a biochemistry practical course. 27 out of 31 groups (∼87%) successfully achieved the objectives of the PCR activity, while 28 out of 31 groups (∼90%) correctly identified the target using LAMP reactions. To assess the potential application in secondary school, we organized three workshops for high school teachers from different institutions across Chile and performed an anonymous questionnaire, obtaining a strong agreement on how these OER broaden teachers’ perspectives on the techniques and facilitate the teaching of molecular biology topics. This effort was made possible through a close collaboration with open source technology advocates and members of DIYbio communities, whose work is paving the way for low-cost training in biology. All the protocols and design files are available under open source licenses.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| 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 ».