Can the Differences Between Education and Neuroscience be Overcome by Mind, Brain, and Education?
Notice bibliographique
Résumé
ABSTRACT—The new field of Mind, Brain, and Education (MBE)—sometimes called educational neuroscience—is posited as a mediator between neuroscience and education. Several foundational concerns, however, can be raised about this emerging field. The differences between neuroscience and education are many, including differences in their histories, philosophies, and epistemologies. Historically, science and education have demonstrated separate, but interwoven, influences on society; philosophically, the values by which they operate are often in opposition; and epistemologically, the fields have relied on different conceptualizations of knowledge. Discussion about these differences has been largely absent in attempts to promote MBE. Two steps are proposed to respond to this omission. First, encouraging discussion about disciplinary differences and assumptions may enable better understanding between disciplines and facilitate the establishment of a more collaborative research community. Second, atransdisciplinaryframework that focuses on salient issues of interest across disciplines should be considered. Transdisciplinarity aims for the creation of an inclusive research environment that transcends traditional disciplinary approaches to complex problems. This article initiates an exploration of disciplinary differences and proposes commitment to transdisciplinarity as a guiding principle that may increase the viability of MBE as a mediating field between neuroscience and education.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,033 |
| Communication savante | 0,013 | 0,024 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».