What We Say vs. What They Do
Notice bibliographique
Résumé
In attempts to broaden participation in computing, the computer science education community has developed a wide variety of outreach activities to encourage students of different ages to learn computational thinking techniques and to develop an interest in computer science. In their recent surveys of the CSed literature, Decker, McGill, and Settle identify over eighty papers on K-12 outreach activities, of which approximately forty address middle-school coding camps. However, summer coding camps are offered by a much wider variety of organizations than computer science educators committed to diversifying the field. Some are offered by organizations committed to diversity, such as Black Girls Code and Girls Who Code. Others are offered by universities for recruitment, and necessarily to support diversification. Still others are offered by for-profit entities. What are the relationships between the two models of camp? Do the ideas that appear in the research literature filter out to the more mainstream camps, or do the more mainstream camps provide a very different model of computer science? In this project, we reviewed both the computer science education literature (52 sources representing 45 camps) and summer code camps identified on the World-Wide Web (480 different camps). In this poster, we report on common approaches and themes that others may choose to adapt or adopt. We also explore significant differences between the research-centered camps and the mainstream camps in approach, language, and apparent outreach goals.
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 | 0,019 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,019 |
| Communication savante | 0,015 | 0,024 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,006 |
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 ».