MétaCan
Menu
Retour à la cohorte
Enregistrement W2596233664

Why Do We Need Social Theories? The case for science education research, feminist theories, and social justice

2015· article· en· W2596233664 sur OpenAlexvenueno aff
Shakhnoza Kayumova

Notice bibliographique

RevueJournal for Activist Science and Technology Education · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTeacher Education and Leadership Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSociologyMeaning (existential)Identity (music)EpistemologySocial science educationScience educationField (mathematics)PedagogyEducation theorySocial scienceHigher educationPolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Just like individuals who are assigned certain identities within society, culture, and institutions (e.g., men, women, teacher, student, English language learner), one can claim that disciplines such as science education have also their own identity (Weedon, 1996). And within those identities and assignments are inscribed practices and regimes of meaning that constitute, “ establish, [and extend] the parameters for how people are to inquire, organize, and understand [the] world ” (Popkewitz, 2001). Science education as a discipline resides geographically in a peculiar space that constitutes the “domain” of science fields and education field. However when the word theory is mentioned the dominant meaning usually invokes the understanding simply related to educational processes of access, such as teaching and learning. At least in the United States, often in science (and even math) education, the notion of theory is mainstreamed under the umbrella of what is known as theories of teaching and learning (Wilson & Peterson, 2006). The call for the special issue of JASTE on the importance of critical theories, once again invites us to re-think about the critical role of theory in science 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 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)0,046
score de la tête « metaresearch » (Gemma)0,035
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 enseignants0,988
Score d'incertitude au seuil0,244

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,005
Études des sciences et des technologies0,0120,158
Communication savante0,0210,054
Science ouverte0,0040,010
Intégrité de la recherche0,0150,024
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,486
Écart entre enseignants0,339 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal for Activist Science and Technology EducationMême sujetTeacher Education and Leadership StudiesTravaux en français237 207