MétaCan
Menu
Retour à la cohorte
Enregistrement W2168092492 · doi:10.3389/fpsyg.2015.00793

Why I teach the controversy: using creationism to teach critical thinking

2015· article· en· W2168092492 sur OpenAlexaff
Peter Honey

Notice bibliographique

RevueFrontiers in Psychology · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEvolution and Science Education
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésCreationismWonderPsychologyScience educationEpistemologyClass (philosophy)Mathematics educationScientific thinkingIdeal (ethics)Critical thinkingDiversity (politics)SociologyPhilosophySocial psychologyAnthropology

Résumé

récupéré en direct d'OpenAlex

Creationism and intelligent design are terms used to describe supernatural explanations for the origin of life, and the diversity of species on this planet. Many scientists have argued that the science classroom is no place for discussion of creationism. When I began teaching I did not teach creationism, as I focused instead on my areas of expertise. Over time it became clear that students had questions about creationism, and did not understand the difference between a scientific approach to knowledge and non-scientific approaches. This led me to wonder whether ignoring supernatural views allowed them to remain as viable "alternatives" to scientific hypotheses, in the minds of students. Also, a psychology class is an ideal place to discuss not only the scientific method but also the cognitive errors associated with non-science views. I began to explain creationism in my classes, and to model the scientific thought process that leads to a rejection of creationism. My approach is consistent with research that demonstrates that teaching content alone is insufficient for students to develop critical thinking and my admittedly anecdotal experience leads me to conclude that "teaching the controversy" has benefits for science students.

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)0,006
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,010
Communication savante0,0080,008
Science ouverte0,0020,004
Intégrité de la recherche0,0030,012
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,079
Tête enseignante GPT0,363
Écart entre enseignants0,283 · 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'étudeThéorique ou conceptuel
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

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetEvolution and Science EducationTravaux en français237 207