MétaCan
Menu
Retour à la cohorte
Enregistrement W2509627097

Deconstructing STEM: A Reading Through The Postmodern Condition

2016· article· en· W2509627097 sur OpenAlexaffvenue
Majd Zouda

Notice bibliographique

RevueJournal for Activist Science and Technology Education · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInterdisciplinary Research and Collaboration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPerformativityCurriculumSociologyCompetition (biology)PostmodernismFace (sociological concept)Engineering ethicsPedagogyEpistemologySocial scienceEngineeringGender studies
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since the beginning of the new millennium, educational research and policy making have increasingly involved integration of science, technology, engineering and mathematics (i.e. STEM). Integration of the four disciplines is argued to provide students with contextualized learning experiences that resemble real-life work in STEM fields, along with solutions to interdisciplinary problems that human face. In the U.S., the STEM movement has been boosted by global economic-based competition and associated fears, in terms of STEM graduates, when compared with other nations. However, many critiques question the nature and goals of this competition, as well as, the possibilities to improve STEM talents through the current conceptualizations and practices of STEM education. Through Lyotard’s (1984) conceptions of knowledge in the postmodern society, this paper analyzes some aspects of the STEM educational movement. It explores the construction of STEM discourse within competitive frames that place prime value on high performativity. There seem to be two characteristics of current STEM education that support performativity; these are an increased focus on technological and engineering designs, and a tendency for interdisciplinary education/curriculum integration. At the same time, the eagerness for performativity and competition seems to drag STEM education into selectiveness, thereby jeopardizing its possible benefits. Recommendations for educators are finally discussed.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,994
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0060,054
Communication savante0,0110,015
Science ouverte0,0010,004
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,064
Tête enseignante GPT0,455
Écart entre enseignants0,391 · 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.

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

Citations5
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal for Activist Science and Technology EducationMême sujetInterdisciplinary Research and CollaborationTravaux en français237 207