Navigating the divide between scientific practice and science studies to support undergraduate teaching of epistemic knowledge
Notice bibliographique
Résumé
There is an urgent need to strengthen undergraduate science students’ epistemic knowledge, which requires having the scientists qua teachers on board. The divide between scientists’ perceptions of science and the perceptions held by those who study science is in this context problematic. Even so, this remains a sorely understudied area. The aim of the study was to identify pragmatic ways that hold the potential to facilitate integration of scholarly studies of scientific knowledge production with experientially based knowledge held by scientists to support the teaching of epistemic knowledge content to undergraduate science students. Earlier studies suggest that trust building is a central component. Our exploratory case study focuses on instructor perceptions and is based on informal interviews, participatory observation and surveys with instructors in a first-year undergraduate science course under revision. We identified the following central components as central to successful navigation of the divide between the scientific practice and science studies: Explicit formulation of learning objectives tied to epistemic knowledge acquisition; Conscious attention to vocabulary that triggers scientists’ aversion to science studies; Careful selection of historic and contemporary cases; and Systematic scaffolding of course activities. The conclusion regarding a common vocabulary stands out: by ridding our instructions from the vocabulary that caused concern among science instructors we succeeded in engaging them in conversations with students about the knowledge-producing process and challenge the view of science as characterised by facts and truths, rather than a form of scholarly inquiry that aims to produce knowledge about the natural world.
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 | 0,047 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,019 |
| Communication savante | 0,022 | 0,018 |
| Science ouverte | 0,003 | 0,033 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».