Science Fair Project - READING

Q1. A teacher designs a lesson where students compute real-life percentages such as discounts and savings. 👉 A student calculates 15% of 200 to determine savings in a purchase. What is the correct result? A. 20 B. 25 C. 30 D. 35 Q2. In a classroom activity, learners compare numbers to find the highest common factor for grouping materials evenly. 👉 What is the GCF of 24 and 36? A. 6 B. 8 C. 12 D. 18 📘 FRACTIONS, DECIMALS, AND POWERS Q3. A learner converts fractions into percentages for data interpretation. 👉 What is 3/4 expressed as a percentage? A. 50% B. 60% C. 75% D. 80% Q4. A student models exponential growth using repeated multiplication. 👉 What is the value of 252^525? A. 25 B. 30 C. 32 D. 64 📘 ALGEBRA (EQUATIONS AND EXPRESSIONS) Q5. A teacher guides students to solve equations that represent real-life situations. 👉 Solve: 2x+8=202x + 8 = 202x+8=20 A. x = 4 B. x = 6 C. x = 8 D. x = 10 Q6. Students simplify expressions to understand relationships between quantities. 👉 Simplify: 3(x+4)−2x3(x + 4) - 2x3(x+4)−2x A. x + 12 B. x + 4 C. 5x + 4 D. 5x + 12 📘 FUNCTIONS AND GRAPHING Q7. A student analyzes a linear equation to determine its rate of change. 👉 What is the slope of y=3x−5y = 3x - 5y=3x−5? A. -5 B. -3 C. 3 D. 5 Q8. A learner evaluates functions to predict outcomes. 👉 If f(x)=2x+3f(x) = 2x + 3f(x)=2x+3, what is f(4)f(4)f(4)? A. 7 B. 9 C. 11 D. 14 📘 GEOMETRY Q9. Students explore geometric shapes and their properties through visual models. 👉 What is the sum of interior angles of a triangle? A. 90° B. 180° C. 270° D. 360° Q10. A student calculates the area of a classroom table with dimensions 8 cm by 5 cm. 👉 What is the area? A. 26 sq cm B. 30 sq cm C. 40 sq cm D. 48 sq cm 📘 MEASUREMENT AND FIGURES Q11. A learner determines the volume of a cube used in a science experiment. 👉 What is the volume of a cube with side 4 cm? A. 16 cubic cm B. 32 cubic cm C. 48 cubic cm D. 64 cubic cm Q12. Students identify shapes used in design projects. 👉 How many sides does a hexagon have? A. 5 B. 6 C. 7 D. 8 📘 STATISTICS AND PROBABILITY Q13. A teacher helps students interpret data sets using measures of central tendency. 👉 What is the mean of 4, 6, 8, 10, 12? A. 6 B. 8 C. 10 D. 12 Q14. A class experiment involves flipping a fair coin. 👉 What is the probability of getting heads? A. 1/4 B. 1/3 C. 1/2 D. 2/3 📘 WORD PROBLEMS (APPLICATION) Q15. A car travels 180 km in 3 hours during a learning task on speed. 👉 What is its average speed? A. 45 km/h B. 60 km/h C. 75 km/h D. 90 km/h Q16. Students analyze work efficiency in a project. 👉 If 5 workers complete a task in 12 days, how long will 10 workers take? A. 3 days B. 6 days C. 8 days D. 12 days Q17. A student solves a problem involving ratios in a classroom population. 👉 If the ratio of boys to girls is 3:2 and there are 30 students, how many boys are there? A. 12 B. 15 C. 18 D. 20 Q18. A learner determines the duration of a scheduled trip. 👉 A journey starts at 8:30 AM and ends at 11:15 AM. How long is the trip? A. 2 hrs 15 mins B. 2 hrs 30 mins C. 2 hrs 45 mins D. 3 hrs 15 mins Q19. A student computes simple interest for financial literacy. 👉 What is the simple interest on ₱1000 at 5% for 2 years? A. ₱50 B. ₱75 C. ₱100 D. ₱150 Q20. A learner solves a perimeter problem involving a rectangle. 👉 A rectangle has a length of 12 cm and perimeter of 34 cm. What is the width? A. 5 cm B. 7 cm C. 10 cm D. 11 cm ✅ ANSWER KEY (BASED ON YOUR REVIEWER) (All verified from your uploaded file) [ilide.info...002acd4e5a | PDF] QAnswer1C2C3C4C5B6A7C8C9B10C11D12B13B14C15B16B17C18C19C20A

Memory Adventure: From Learning to Forgetting Imagine Alex is preparing for a school science fair. Storing Memories (2.5) Alex studies a science experiment. The semantic memory (facts and knowledge, like “water boils at 100°C”) is stored in the brain, while episodic memory (personal experiences, like “I mixed vinegar and baking soda yesterday”) records the event. The hippocampus (the brain’s “save button”) helps transfer these memories into long-term memory. During sleep, memory consolidation (making memories stable and long-lasting) happens, and Alex vividly remembers the fun surprise when the mixture fizzes—a flashbulb memory (emotionally strong, vivid memory). Alex also learns the skill of carefully pouring liquids, a procedural memory stored in the basal ganglia, and how to react when the mixture splashes, a conditioned response stored in the cerebellum. Emotions make the memory even stronger, thanks to the amygdala. Retrieving Memories (2.6) The next day, Alex goes to the science fair. Seeing the experiment table triggers priming (unconscious memory activation—seeing the table makes Alex remember steps). Being in the same classroom helps context-dependent memory (better recall in the same place as learning). Alex is also in the same excited mood as while practicing, so mood-congruent memory helps remember details of the experiment. When listing the steps, Alex remembers the first step clearly and the last step best, thanks to the serial position effect. Using strategies like quizzing himself earlier (testing effect) and spacing study sessions (spacing effect) improves retrieval. Forgetting & Memory Errors (2.7) During the fair, Alex tries to remember an old trick learned last year, but some details are fuzzy. This is retroactive interference (new memories block old ones). At the same time, old steps from last year sometimes confuse him, an example of proactive interference (old memories block new info). Alex’s friend jokingly says he added glitter to the experiment last week. Alex later misremembers seeing glitter—this is the misinformation effect. He even forgets where he first learned the correct steps, a case of source amnesia, and feels a strange sense of déjà vu when looking at a similar experiment table. Unfortunately, Alex’s cousin has anterograde amnesia (cannot form new memories) and can only remember things from before last year, while his neighbor has retrograde amnesia (loses past memories) and cannot recall last week’s fair prep. Luckily, Alex’s strong study habits, sleep, and emotional engagement helped protect his memories from being forgotten too quickly.

Dès le début de vos recherches, vous allez collecter, produire et exploiter des données. La gestion des données (Research Data Management - RDM) fait partie du processus de recherche. Elle concerne l'ensemble des opérations de collecte, description, stockage, traitement, analyse, archivage et mise en accès des données. (extrait de : Passeport pour la Science Ouverte. Guide pratique pour les doctorants ) "La science ouverte est la diffusion sans entrave des publications et des données de la recherche. Elle s’appuie sur l’opportunité que représente la mutation numérique pour développer l’accès ouvert aux publications et – autant que possible – aux données de la recherche. "Les données de la recherche sont la matière première de la connaissance. Les partager, c'est ouvrir de nouvelles perspectives scientifiques" Source : Plan national pour la Science ouverte - Ministère ESR - Juillet 2018 Source image : https://bibliotheques.univ-tlse3.fr/file/composantes-science-ouverte Cette page est une introduction à la gestion des données de recherche. Elle présente quelques concepts et étapes clés pour vous engager dans cette démarche. Consultez les liens pour approfondir vos connaissances. • What are data ? Définition des données de recherche de l’OCDE (2007) « Enregistrements factuels (chiffres, textes, images, sons) utilisés comme source principale pour la recherche scientifique et généralement reconnus par la communauté scientifique comme nécessaires pour valider les résultats de la recherche. Un ensemble de données de recherche constitue une représentation systématique et partielle du sujet faisant l’objet de la recherche ». Exemples • les images d’une ville préhistorique deviennent des données pour un chercheur qui étudie l’histoire de cette ville; • les « données » d’un linguiste peuvent être des écrits ou des discours, des enregistrements de locuteurs ; • les « données » d’un médiéviste sont des sources archivistiques, archéologiques, épigraphiques, iconographiques, littéraires ; • les « données » d’un géologue rassemblent des coupes et observations de terrain consignées sur un carnet, des résultats de carottage, des analyses d’échantillons, des données sismographiques… • • Pourquoi partager ses données ? "La science ouverte vise à construire un écosystème dans lequel la science est plus cumulative, plus fortement étayée par des données, plus transparente, plus rapide et d’accès plus universel.La science ouverte favorise également les avancées scientifiques, particulièrement les avancées imprévues, ainsi que l’innovation, les progrès économiques et sociaux, en France, dans les pays développés et dans les pays en développement. Enfin, la science ouverte constitue un levier pour l’intégrité scientifique et favorise la confiance des citoyens dans la science. Elle constitue un progrès scientifique et un progrès de société." Source : Plan national pour la Science Ouverte (2018) Les enjeux de l'Open Data • enjeux patrimoniaux o preuve et mémoire (éviter les pertes de données) • enjeux économiques o valeur économique de la donnée o réutilisation gratuite ou payante des données, exploitation des résultats de recherches antérieures (éviter de refaire ce qui a déjà été validé), o accélération de l'innovation et le retour sur investissement dans la R&D • enjeux scientifiques o de "hypothesis-driven" à "data-driven" o plus de visibilité pour le scientifique • enjeux sociétaux o participation des citoyens et de la société civile : "Citizen science" o confiance en la recherche Pour aller plus loin • Site Doranum : https://doranum.fr/enjeux-benefices/fiche-synthetique/ • Adopter de bonnes pratiques tout au long du cycle de vie des données De bonnes pratiques de gestion à toutes les étapes du cycle de vie de la donnée sont un préalable indispensable à l’ouverture des données et à leur réutilisation. • Rechercher des données Pour identifier des jeux de données (datasets) pertinents pour votre thèse, des outils de recherche sont disponibles. Suivez ces liens pour les découvrir : • Site Doranum : https://doranum.fr/acces-visualisation/rechercher-donnees/ • Site DataCC - Vos besoins, trouver des données : https://www.datacc.org/vos-besoins/trouver-des-donnees/ • Fiche CoopIST : Trouver des jeux de données via des bases pluridisciplinaires et des moteurs de recherche Pensez-aussi à consulter l'entrepôt institutionnel Data INRAE Page de présentation du portail • Choisir les bons formats et bien organiser vos données  Choisir des formats de fichier : https://www6.inrae.fr/datapartage/Gerer/Choisir-des-formats-de-fichier  Nommer et organiser vos fichiers de données : https://www6.inrae.fr/datapartage/Gerer/Nommer-et-organiser-ses-fichiers-de-donnees Pour aller plus loin • Jaouen, G.- Gérer ses données. Pourquoi, Comment ? Séminaire - Guadeloupe, du 25 au 27 Novembre 2019 – CRAG INRA • Bien décrire et documenter ses données La description d’un jeu de données se fait à l’aide de métadonnées (*) qui doivent apporter suffisamment d'éléments (sur la collecte des données, les unités de mesure employées...) pour chercher et trouver le jeu de données, juger de sa qualité/fiabilité, et pouvoir le comprendre ou le réutiliser dans un autre contexte. (*) Définition des métadonnées : Ensemble d’informations structurées qui décrit, explicite, localise une ressource informationnelle, dans le but d’en faciliter la recherche, l’usage, et la gestion. Source : NISO. Understanding Metadata. 2004. Quelques liens utiles : • Site Doranum : https://doranum.fr/metadonnees-standards-formats/ • DataCC : https://www.datacc.org/vos-besoins/documenter-ses-donnees/metadonnees/ • Site DataPartage INRAE : https://www6.inrae.fr/datapartage/Gerer/Documenter-les-donnees En complément des métadonnées, la rédaction d'un fichier READ ME.txt est également recommandée. • Stocker, sécuriser, préserver ses données Bien différencier les notions de stockage et d'archivage. Anticiper pour déterminer les données à éliminer et celles qui doivent être préservées à long terme. • Dans l'environnement INRAE : https://www6.inrae.fr/datapartage/Gerer/Stocker-les-donnees • Site Doranum : https://doranum.fr/stockage-archivage/ • Site DataCC : https://www.datacc.org/vos-besoins/conserver-ses-donnees/ • Partager, ne pas partager ses données ? Dans le cadre de la Science Ouverte, il y a de plus en plus d'incitations voire d'exigences pour rendre accessibles les données, en particulier les données liées aux publications : • de l'édition scientifique : de plus en plus de revues adoptent une "data policy" (à consulter dans les instructions aux auteurs) et exigent des auteurs qu'ils fournissent les données associées aux publications, • des organismes de financement (ANR, Commission Européenne ...), • des politiques nationale (Plan national pour la Science ouverte - Ministère ESR - Juillet 2018) et institutionnelle. Mais attention, toutes les données ne sont pas partageables : assurez-vous que vos données sont bien diffusables au regard du droit et des conditions d'exercice de votre thèse et de son mode de financement (se reporter à votre contrat de thèse). Les données produites dans les organismes de recherche publics sont communicables à tous si elles n'entrent pas dans le cadre d'exceptions légales (sécurité défense, sécurité des populations, patrimoine scientifique et technique, données personnelles, données liées au secret, statistique, etc.) Liens utiles : • sur le site Data Partage, la page Partager-Publier ou la page : "Données de la recherche : qui a les droits, qui doit partager ?" • le site INRAE dédié à la protection des données personnelles et l'application du RGPD (Règlement général sur la protection des données) : https://intranet.inrae.fr/cil-dpo • Valoriser ses données Voici les principales voies de diffusion •  Partager ses données en les déposant dans un entrepôt  Choisir un entrepôt  Déposer dans Data INRAE  Partager ses données comme matériel supplémentaire d'un article (à la demande de l'éditeur)  Publier un Data Paper (article de données) : la meilleure voie en terme de visibilité des données, et pour faciliter leur réutilisation. Pour aller plus loin • Site Doranum o Dépôts et entrepôts. Comment et où déposer mes données ? o Data papers et Data journals. Comment publier mes données comme un article scientifique ? • Site DataCC o Valoriser ses données • Site CoopIST o Déposer des données de recherche dans un entrepôt o Rédiger et publier un data paper dans une revue scientifique A télécharger : Synthèse du processus de rédaction d'un article avec des données associées • Pourquoi ne pas rédiger un plan de gestion de données (PGD) pour votre thèse ? La thèse peut être assimilée à un projet et certaines universités au Royaume Uni, aux Pays-Bas et plus récemment en France préconisent la rédaction d'un plan de gestion associé à la thèse. Le PGD (ou DMP = Data Management Plan) est un outil de planification qui peut vous aider à anticiper et bien gérer toutes les étapes du cycle de vie de vos données, à limiter les risques de perte ou corruption de données, à adopter de bonnes pratiques de gestion, pour in fine produire des données respectueuses des principes FAIR, adoptés aujourd'hui par l'ensemble des acteurs de la recherche. Il est désormais exigé par la plupart des financeurs de la recherche (Commission Européenne et ANR ...) dans le cadre de projets financés. Rédiger un PGD pour votre thèse, peut être un bon exercice pour vous préparer à la future rédaction de réponses à des appels d'offre. Comment faire en pratique ? • Site DataPartage : Pourquoi et comment rédiger un plan de gestion de données ? • Site Doranum : https://doranum.fr/plan-gestion-donnees-dmp/, La minute vidéo PGD • Site DataCC : https://www.datacc.org/bonnes-pratiques/adopter-un-plan-de-gestion-des-donnees/ • Suivre une classe virtuelle INRAE : Open Class "Rédaction d'un PGD" • Produire des données FAIR ! Favoriser la production de données FAIR (Findable - Accessible - Interoperable - Reusable) est aujourd'hui un objectif soutenu par l'ensemble des acteurs de la recherche. Source : https://open-science-training-handbook.gitbook.io/book/ Si vous suivez les conseils et recommandations de cette page, vous avez toutes les chances d'avoir produit des données de qualité. Si vous préférez une version illustrée : "Pensez FAIR" - https://datapartage.inrae.fr/Gerer/Cycle-de-la-donnee Affiche cycle de vie des données réalisée dans le cadre des Missions QualiNous & RGPD, INRAE-ACT Vous pouvez tester le niveau de "Fairification" de vos données grâce à ces outils :  ARDC : https://ardc.edu.au/resources/working-with-data/fair-data/fair-self-assessment-tool • D'autres ressources pour se former ou s'autoformer En interne INRAE • Formation à la science ouverte OSCAR - Module "Gestion et partage des données" • Le site "Gestion et partage des données" • Des classes virtuelles d'environ 2h (Open Class) sont régulièrement proposées sur : o la rédaction des plans de gestion de données, o le dépôt et la description d'un jeu de données dans Data INRAE, o la rédaction et la publication de data papers, Sites externes • Le site DORANUM (Données de la Recherche : Apprentissage NUMérique à la gestion et au partage) propose un dispositif de formation à distance intégrant de nombreuses ressources d’auto-formation déclinées sur différents supports (textes, infographies, vidéos) et sur 9 thématiques. o Parcours interactif sur la gestion des données de la recherche (2020) o • Le site DataCC. Accompagnement à la gestion des données de recherche en physique et en chimie : https://www.datacc.org/ o Data Stories : https://www.datacc.org/reseau-datacc/data-stories/ o • Le dossier "Open Access & Open Data" réalisé par l'Ecole des Ponts - ParisTech • • The Open Science Training Handbook : https://www.ouvrirlascience.fr/the-open-science-training-handbook/

Science Fair: Easy Round

Science Fair: Clincher

Science Fair: Average

Science Fair: Difficult

SILVER W5 T3 The Science Fair Fiasco

Related quizzes

Related quizzes