Interdisciplinary and Transdisciplinary Research and Education in Canada: A Review and Suggested Framework
Notice bibliographique
Résumé
Transcending disciplinary boundaries is becoming increasingly important for devising solutions to the world’s most pressing issues, such as climate change and food insecurity. Institutions of higher education often present challenges to teaching students how to work and innovate on transdisciplinary teams. We first define transdisciplinarity and like concepts, using these to review databases of three major funding agencies (CIHR, NSERC, and SSHRC) for awards given to inter- and transdisciplinary programs across ten fiscal years beginning 2005-2006 and ending 2014-2015 to identify trends in funding as an indicator of skill need. We then search for programs offering transdisciplinary learning opportunities at Canadian universities accounting for 71% of all students. Though the proportion of interdisciplinary and transdisciplinary funded research grants has risen considerably, we found only a few examples of interdisciplinary learning opportunities for students in post-secondary education programs. Generally, while students were able to take a range of courses, instruction remained discipline-specific. Specifically, Canadian undergraduates lack an in-program, experiential, transdisciplinary learning opportunity. We propose a framework (ICON) as a solution to fill this gap. Using senior independent study courses, which often have built-in curricular flexibility, students can participate with ICON while still obtaining credit towards their degrees. We conclude that transdisciplinary education opportunities are an essential part of the undergraduate experience and should be recognized across degree programs.
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 | 0,011 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,031 | 0,063 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».