
Video ÂżQuĂ© es una ProteĂna?
Quiz by Mariana EstefanĂa Elizondo GarcĂa
Customize this quiz to suit your class
Instantly translate to 100+ languages
Tag the questions with any skills you have. Your dashboard will track each student's mastery of each skill.
​Es la secuencia lineal de AA codificada por el DNA.
Estructura secundaria
Estructura cuaternaria
Estructura terciaria
Estructura primaria
​El enlace peptĂdico es de tipo covalente y une el grupo amino de un AA con el grupo carboxilo de otro
Falso
VerdaderoÂ
Es la secuencia lineal de AA codificada por el DNA.
El enlace peptĂdico es de tipo covalente y une el grupo amino de un AA con el grupo carboxilo de otro
Son los dos tipos de estructuras secundarias más comunes en las proteĂnas:
La estructura tridimensional de una proteĂna determina su funciĂłn.
Give this quiz to my class
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/
Peux-tu me faire un quiz de 4 questions QCM avec les données suivantes: 80% des adolescents âgés de 13 à 17 ans utilisent des outils d'IA générative 40 % de ceux âgés de 7 à 12 ans utilisent également cette technologie 44% des jeunes de 1 » à 17 ans utilisent l’IA sans modification Les adolescents utilisent l’IA surtout pour : • Créer des photos et des vidéos amusantes (25%) • Obtenir des réponses à des questions que l’on n’oserait pas poser à un adulte (30%) • Jouer à des jeux (21%) • S’aider pour les devoirs (43%)
L'édulab Pasteur est un laboratoire de recherche et d'innovation pédagogique situé à Rennes, en France. Il est affilié à l'Institut Pasteur et a pour objectif de promouvoir la culture scientifique et l'éducation à travers des projets innovants. L'édulab Pasteur propose des activités et des ressources pédagogiques destinées aux élèves, aux enseignants et au grand public. Il vise à stimuler la curiosité scientifique, à encourager la créativité et à favoriser l'apprentissage collaboratif. Les activités de l'édulab Pasteur comprennent des ateliers scientifiques, des formations pour les enseignants, des conférences, des expositions et des projets éducatifs. Il offre également des ressources pédagogiques en ligne, telles que des vidéos, des fiches pédagogiques et des outils interactifs, pour soutenir l'enseignement des sciences. En résumé, l'édulab Pasteur est un espace dédié à la promotion de la culture scientifique et à l'innovation pédagogique, en mettant l'accent sur l'éducation aux sciences pour les jeunes et les enseignants.
As metodologias de ensino no ensino superior tĂŞm evoluĂdo para melhor engajar os alunos, principalmente com o advento das novas tecnologias e mudanças nos hábitos de aprendizado. Aqui estĂŁo algumas abordagens modernas e como os podcasts se inserem nesse contexto: Metodologias Ativas no Ensino Superior 1. Aprendizagem Baseada em Problemas (PBL): O aluno Ă© desafiado a resolver problemas reais ou simulados, desenvolvendo habilidades crĂticas e colaborativas. Isso estimula a autonomia no processo de aprendizagem. 2. Sala de Aula Invertida (Flipped Classroom): O conteĂşdo teĂłrico Ă© passado para o aluno de forma online (podcasts, vĂdeos, artigos) antes da aula, e o tempo em sala Ă© focado na aplicação prática, debates e discussões. 3. Estudos de Caso: Alunos analisam casos reais, debatem alternativas de solução e aplicam conceitos teĂłricos. Esta metodologia incentiva o pensamento crĂtico e a tomada de decisões. 4. Gamificação: A utilização de elementos de jogos, como competição, pontuação e desafios, para engajar os alunos. Isso torna o aprendizado mais interativo e motivador. 5. Aprendizagem Colaborativa: Focada no trabalho em equipe, onde os alunos trocam experiĂŞncias, discutem e constroem o conhecimento juntos, reforçando habilidades sociais e acadĂŞmicas. 6. MĂ©todo Socrático: Envolve a utilização de perguntas para incentivar o pensamento crĂtico. O professor faz perguntas que desafiam o aluno a refletir e construir sua prĂłpria compreensĂŁo dos conceitos. Podcasts no Ensino Superior Os podcasts sĂŁo ferramentas cada vez mais utilizadas para enriquecer o ensino superior. Eles oferecem uma forma flexĂvel e acessĂvel de aprendizagem, podendo ser ouvidos em qualquer lugar e a qualquer momento. Aqui estĂŁo algumas maneiras de utilizá-los: 1. Complemento Ă s aulas: Professores podem criar ou recomendar podcasts como material complementar Ă s aulas, permitindo que os alunos revisem os conteĂşdos em seus prĂłprios horários. 2. Entrevistas com especialistas: Podcasts com convidados especialistas de diversas áreas podem trazer perspectivas práticas e atualizadas sobre temas discutidos em sala de aula. 3. DiscussĂŁo de temas complexos: Um podcast pode ser um espaço para explorar em profundidade questões que talvez nĂŁo sejam completamente discutidas durante a aula devido ao tempo limitado. 4. Desenvolvimento de habilidades: Podcasts podem ajudar no desenvolvimento de habilidades como escuta ativa e compreensĂŁo oral, alĂ©m de facilitar o contato com diferentes sotaques e estilos de comunicação, especialmente em contextos internacionais. 5. Podcasts como atividade: Professores podem incentivar os alunos a criarem seus prĂłprios podcasts sobre temas estudados, promovendo a pesquisa, organização de ideias e a comunicação verbal eficaz.
Video
Vidéo
110.31.b.17.C
Topic: Reading/Vocabulary Development