TutoLabo – Plateforme de ressources pédagogiques en chimie pour les laboratoires universitaires
Bibliographic record
Abstract
TutoLabo est une plateforme éducative développée par des membres du Département de biochimie, chimie, physique et science forensique de l’Université du Québec à Trois-Rivières (UQTR). Elle a pour objectif de soutenir l’apprentissage de la chimie expérimentale en laboratoire, particulièrement pour les étudiants débutants qui n’ont pas eu de contact préalable avec le matériel couramment utilisé. La plateforme se structure en plusieurs sections : Apprentissage : fiches pédagogiques présentant le matériel de laboratoire (photos, descriptions, vidéos), les appareils, les montages expérimentaux (filtration, bain-marie, titrage, chromatographie sur couche mince), des équations utiles, ainsi qu’un exemple de cahier de laboratoire. Quiz : exercices interactifs permettant de tester et consolider ses connaissances. Examen : un outil de préparation destiné aux étudiants entrant dans le programme de chimie de l’UQTR. Le site est hébergé par l’UQTR. La conception pédagogique et les vidéos sont une création originale de Mathieu Arès et Benoit Daoust, avec la collaboration des techniciens de laboratoire du département. L’ensemble est optimisé pour une utilisation sur ordinateur. Pour toute question, veuillez utiliser l’onglet Commentaire sur le site : http://www.uqtr.ca/TutoLabo
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.104 | 0.031 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".