Enhancing quantitative skills in life sciences: Sustainable approaches to curriculum development
Notice bibliographique
Résumé
Undergraduate life sciences students need to make sense of quantitative research and contribute to it. They must think critically about statistical issues in research and recognize statistical errors and weaknesses in research, which persist despite increased awareness and the tightening of journal reporting standards (Weissgerber et al., 2016). Developing quantitative skills is essential for life science students, as these skills are critical for understanding and solving complex biological problems. In a previous study, we found that while students recognize the importance of quantitative skills, they are underprepared and require more comprehensive training (White & Singh, 2023). However, our systematic review of quantitative requirements at U15 Canadian Research Institutions revealed that many life science programs require only one statistics course, if any (Tong et al., 2024). Subsequently, in 2023 we surveyed students in our introductory statistics course as well as upper-year courses in epidemiology, physiology, psychology, immunology and bioinformatics (n=382) to explore students’ perceptions about their quantitative preparation, and additional training that would benefit their development in their respective disciplines. Both survey studies were approved by the University of Toronto Social Sciences, Humanities, and Education Research Ethics Board. In this presentation, we will share results of the systematic review and latest student survey, discuss implications for quantitative training in life sciences and brainstorm sustainable ways to strengthen quantitative training in life sciences. By focusing on efficient and effective methods, such as integrating quantitative skills into existing courses and leveraging interdisciplinary collaborations, we aim to enhance quantitative training for our students while acknowledging the limited capacity for more courses given pressures on student course loads and faculty workloads. Please bring your own device (smartphone, laptop, tablet) so you can participate in our poll questions!
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».