MétaCan
Menu
Retour à la cohorte
Enregistrement W1988873601 · doi:10.5539/jgg.v7n1p27

Does the Geography Major Fit in STEM?

2015· article· en· W1988873601 sur OpenAlexvenueno aff
Md Rajibul Hasan Al Mamun, Trisha Jackson, George W. White

Notice bibliographique

RevueJournal of Geography and Geology · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeography Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesSouth Dakota State University
Mots-clésCourseworkBachelorGovernment (linguistics)Strategic geographyGeographyVariety (cybernetics)Mathematics educationHuman geographyHistorical geographyEconomic geographyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

STEM education plays a significant role in developing reasoning and technical skills among other benefits. Definitions of geography vary somewhat, but most of the sources define geography as a science. Geography relates to the STEM disciplines with application of geographical tools to solve problems. However, geography is not included as a STEM discipline by federal authorities in the United States (US). This paper presents evidence from US graduate and undergraduate geography programs demonstrating how geography qualifies as a STEM discipline, a qualification that could provide a variety of benefits for the programs and students alike. This research suggests that more than 50% of US colleges/universities confer Bachelor of Science (BS) or Master of Science (MS) degrees in geography and the distribution of these institutions occurs in most states. Therefore, geography has already been recognized as a STEM major by these US colleges/universities that offer STEM coursework including physical geography, Geographic Information System (GIS), remote sensing, natural resources, environmental science, and atmospheric science. Hence, it follows that government authorities should recognize geography as STEM.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,003
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0180,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,035
Tête enseignante GPT0,328
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetGeography Education and PedagogyTravaux en français237 207