Automatic evaluation and data generation for analytical chemistry instrumental analysis exercises

Abstract

En general, las actividades de laboratorio son costosas en términos de tiempo, espacio y dinero. Como tal, se espera que la capacidad de proporcionar datos de laboratorio simulados de forma realista que permita a los estudiantes practicar técnicas de análisis de datos como una actividad complementaria, reduzca estos costos al tiempo que abre posibilidades muy interesantes. En el presente trabajo, se presenta una metodología novedosa para el diseño de ejercicios de análisis instrumental de química analítica que pueden ser automáticamente personalizados para cada estudiante y los resultados evaluados de inmediato. El sistema propuesto proporciona a cada estudiante un conjunto diferente de datos experimentales generados aleatoriamente mientras satisface un conjunto de restricciones, en lugar de utilizar los datos obtenidos del trabajo real de laboratorio. Esto permite que el instructor proporcione a los estudiantes un conjunto de problemas prácticos para complementar su trabajo de laboratorio regular junto con la retroalimentación correspondiente proporcionada por el proceso de evaluación automática del sistema. Para ello, se desarrolló el Goodle Grading Management System (GMS), una innovadora herramienta educativa basada en la web para automatizar la recopilación y evaluación de ejercicios prácticos para cursos de ingeniería y científicos. La metodología propuesta aprovecha al máximo la arquitectura del código de fusión Goodle GMS. El diseño de un ejercicio particular es proporcionado ad hoc por el instructor y requiere conocimientos básicos de Matlab. El sistema ha sido empleado con resultados satisfactorios en varios cursos universitarios. Para demostrar el proceso de evaluación automática, se presentan tres ejercicios en detalle. El primer ejercicio implica un análisis de regresión lineal de datos y el cálculo de los parámetros de calidad de un método de análisis instrumental. El segundo y el tercer ejercicios se refieren a dos pruebas de comparación diferentes, una prueba de comparación de la media y una prueba de t-pares.

In general, laboratory activities are costly in terms of time, space, and money. As such, the ability to provide realistically simulated laboratory data that enables students to practice data analysis techniques as a complementary activity would be expected to reduce these costs while opening up very interesting possibilities. In the present work, a novel methodology is presented for design of analytical chemistry instrumental analysis exercises that can be automatically personalized for each student and the results evaluated immediately. The proposed system provides each student with a different set of experimental data generated randomly while satisfying a set of constraints, rather than using data obtained from actual laboratory work. This allows the instructor to provide students with a set of practical problems to complement their regular laboratory work along with the corresponding feedback provided by the system’s automatic evaluation process. To this end, the Goodle Grading Management System (GMS), an innovative web-based educational tool for automating the collection and assessment of practical exercises for engineering and scientific courses, was developed. The proposed methodology takes full advantage of the Goodle GMS fusion code architecture. The design of a particular exercise is provided ad hoc by the instructor and requires basic Matlab knowledge. The system has been employed with satisfactory results in several university courses. To demonstrate the automatic evaluation process, three exercises are presented in detail. The first exercise involves a linear regression analysis of data and the calculation of the quality parameters of an instrumental analysis method. The second and third exercises address two different comparison tests, a comparison test of the mean and a t-paired test.