机译:化学概念的自动学习:研究辛烷值和分子亚结构
Research Institute for Symbolic Computation, Johannes Kepler University, A-4020 Linz, Austria;
机译:自动构建的学习概念图在电子学习概念诊断中的应用
机译:环六-2,4-二烯酮中的分子内环加成反应和光化学反应:12-甲基-3-氧杂-内三环[6.2.2.0〜(1,6)] dodec-11-en-10- 1和吡喃的合成双环[3.3.0]辛烷和双环[4.2.0]辛烷框架
机译:利用子结构模式识别和机器学习方法对多种工业化学品进行吡喃四膜菌毒性的计算机模拟预测
机译:使用有机化学物质和脂质膜之间的分子对接来修改混合物的众所周知的辛烷水分配系数
机译:用于教学应用的机器学习方法:概念先决条件学习和自动干扰生成
机译:在分子动力学模拟和分数结构波动分析中自动识别活动和刚性子结构
机译:通过系统的教学方法设计讲座,(saTL)方法论概念概念在使化学家能够实现方面发挥着至关重要的作用。最近开发的基于概念的教学方法可能在促进理解化学概念和吸收化学重要理论基础的努力中发挥关键作用。 a. F. m. Fahmy和J. J. Lagowski是世界范围内通过这种新颖的教学模式建立年轻一代概念的主要人物。然而,他们的努力,直到最近已经大多是有机化学特定的。然而,saLTC教学方法同样适用于化学中的其他各个学科。因此,saTLC方法也可用于克服学生在理解任何化学实体对特定和所需化学作用的功效方面所面临的问题。本演示文稿概述了saTLC技术可能应用于与物理化学的许多方面相关的概念,这些概念将被整合在一个单元中,以促进化合物在任何研究人员所需的任何化学变化中的应用。