The contribution of science‐rich resources to public science interest
Notice bibliographique
Résumé
Abstract This preliminary study examined the effect that five major sources of public science education—schools, science centers, broadcast media, print media, and the Internet—had on adults' science interest values and cognitive predispositions . Over 3,000 adults were sampled in three U.S. metropolitan areas: Los Angeles, California, Phoenix, Arizona, and Philadelphia, Pennsylvania. To minimize potential sampling bias, the results were weighted by current U.S. Census data to be comparable to demographics from each of the three jurisdictions. Participants were asked to self‐report their current and early adolescent usage of these five science‐related resources, the quality of their experiences with each, and their current abilities, values, and cognitive predispositions relative to science. Data showed that overall, a broad cross‐section of adults living in these cities engaged in a wide array of science‐related activities and that large majorities did so frequently. Nearly two‐thirds of all respondents self‐reported currently participating in some kind of science‐related activity every week and nearly half doing so daily. Results suggested that having frequent; positive science‐related experiences in‐ and out‐of‐school, both early and later in life, correlated with having a strong interest in and positive perception of science as an adult. Although a diversity of positive science‐related experiences correlated with current adult science interest values and cognitive predispositions, only five factors uniquely and significantly predicted adult science interest, values, and cognitive predispositions in the multivariate models: (a) early adolescent experiences visiting a science center, (b) early adolescent experiences watching science‐related television, (c) adult visits to a science center, (d) adults reading books and magazines about science, and (e) adults using the internet to learn more about science. Discussed are issues of self‐selection, quality of experiences, and the complex and synergistic nature of the science learning ecosystem.
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».