MétaCan
Menu
Retour à la cohorte
Enregistrement W2908938410 · doi:10.24908/pceea.v0i0.13105

Knowledge Mobilization Intermediaries in STEM: The roles and functions of K-12 STEM Outreach Organizations at Canadian Universities

2018· article· en· W2908938410 sur OpenAlexafffundvenueabout
Scott Compeau

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEducational Assessment and Improvement
Établissements canadiensQueen's University
Organismes subventionnairesUniversity of British ColumbiaQueen's University
Mots-clésOutreachIntermediaryRelevance (law)TypologyPublic relationsKnowledge managementSociologyPolitical scienceBusinessMarketingComputer science

Résumé

récupéré en direct d'OpenAlex

Knowledge Mobilization (KMb) is the reciprocal and complementary flow and uptake of research knowledge between knowledge producers, knowledge intermediaries, and knowledge users. The purpose of this investigation is to explore the typology of Canadian university-based Science Technology Engineering and Mathematics outreach organizations and understand if/how they function as knowledge mobilization intermediaries. Three research questions guide this first study; 1) What are the organizational features of K-12 STEM outreach organizations; 2) To what extent do STEM outreach organizations interact with K-12 educators or administration and 3) What knowledge mobilizations processes do they currently use? The methodology used for data collection will be an online questionnaire consisting of qualitative based open-ended questions. The educational importance of this study aligns with the goals of KMb as it has relevance to both within academia and beyond. Within academia, the results will contribute towards the body of knowledge within K-12 STEM education. Beyond academia, this study has value in practice, as the results will engage STEM outreach organizations in conversation about KMb strategies

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)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,598

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,007
Études des sciences et des technologies0,0280,009
Communication savante0,0120,003
Science ouverte0,0020,012
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,265
Écart entre enseignants0,246 · 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'étudeQualitatif
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

Citations0
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEducational Assessment and ImprovementTravaux en français237 207