Board 26: Reducing Environmental Impact in Higher Education: Curriculum Design for the Sustainable-Unit Operations Laboratory
Notice bibliographique
Résumé
As outlined in the Paris Agreement, the global commitment to achieving net-zero emissions by 2050 necessitates a multifaceted approach encompassing clean energy initiatives and carbon taxation.Higher education institutions, recognizing their role as key contributors to sustainability, are increasingly focusing on reducing their carbon footprint.The teaching laboratories, essential for various disciplines, contribute significantly to the university's carbon footprint.In this study, we applied the common practices of Life Cycle Analysis (LCA) in the industry to the Unit Operations Laboratory, which resembles the industrial settings yet focuses on teaching and learning that may not have set production scopes nor define operation conditions and processes (i.e. for learning purposes and study impact of various factors on common chemical processes).As learning is the main objective in undergraduate laboratories, LCA methodologies related to laboratory equipment and incorporating technical information on global climate initiatives, clean energy, and the Paris Agreement need to be followed, but some modifications to make such calculations possible.To illustrate the feasibility of this approach, a case study on bioethanol production through yeast fermentation and subsequent distillation processes is employed as a proof-ofconcept.This case study serves as a platform for estimating LCA and redesigning experiments with the aim of reducing the carbon footprint.Since not all chemical process units are designed the same (i.e.sizes, power/production capacity), this project is a collaborative effort internationally amongst universities with similar equipment but different sizes.The carbon footprint approaches, and the preliminary data collected can enable fine-tuning and test the robustness of the approaches and models.The Unit Operations Laboratory emerges as a valuable platform for students to assess their carbon footprint and actively engage in practical LCA applications.This research contributes to the broader goal of embedding sustainability principles within the educational framework, fostering a generation of professionals equipped with the knowledge and skills necessary to address environmental challenges.
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 | 0,007 | 0,009 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,005 |
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 ».