Synthetic biology education and pedagogy: a review of evolving practices in a growing discipline
Notice bibliographique
Résumé
Synthetic biology is a growing field with an increasing number of successful applications. Yet, synthetic biology (SynBio) education initiatives are underreported and disconnected from each other. In this review we survey the literature on SynBio education and stratify this body of work into three categories: classroom activities, course designs, and program-level curricula-planning. For each category, we discuss the methods used to assess students’ experiences and achievement of learning objectives. Throughout, we identify trends and opportunities for further development in SynBio education. We determined that the design of low-cost education kits is a growing opportunity to support student learning at the level of classroom activities. In support of that work, we present a mapping of published education kits onto Bloom’s taxonomy, taking into account increasing accumulation of knowledge through continued experience. We further found that project-based learning is used widely and has proven effective in course designs. To facilitate such activities, we provide a high-level guide for the conversion of a didactic course into a project-based learning course. Further, we note that, currently, programs are delivered primarily at the graduate level, taking inspiration from traditional degree programs while incorporating interdisciplinary training. Finally, we find that design-based research may provide an effective framework for an iterative, mixed-method study design. To support such efforts, we provide a schematic overview of design-based research and its application to a learning progression for interdisciplinary skills. We conclude with a discussion of specific learning concepts that may be useful to SynBio educators and education researchers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».