MétaCan
Menu
Retour à la cohorte
Enregistrement W3013043903 · doi:10.30612/eduf.v9i25.11010

Bloqueios ao engajamento cívico crítico e ativo na/através da Ciência Escolar: Histórias do Campo

2019· article· pt· W3013043903 sur OpenAlexaff
Larry Bencze, Sarah El Halwany, Minja Milanovic, Nadia Qureshi, Majd Zouda

Notice bibliographique

RevueEducação e Fronteiras · 2019
Typearticle
Languept
DomaineSocial Sciences
ThématiqueScience and Education Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Por cerca de 50 anos, os educadores de ciências vêm promovendo a educação sobre as relações entre os campos da ciência, tecnologia, sociedades e ambientes ('CTSA'). Embora ajude os alunos a entender a inter- e/ou transdisciplinaridade da ciência e controvérsias relevantes, a educação CTSA geralmente parece muito apolítica. À luz das dificuldades de muitos governos em lidar com danos, como os causados pelas perturbações climáticas que parecem associadas às redes pró-capitalistas globais, parece claro que os educadores em ciências precisam incentivar e permitir que os alunos analisem criticamente as relações CTSA, desenvolvam e adotem ações para enfrentar danos que elas determinam. Embora os educadores tenham tido alguns casos bem sucedidos nesse sentido, eles geralmente são restritos a contextos relativamente raros. Entre os 'bloqueios' para o seu sucesso, parece que as abordagens de educação STEM (Ciência, Tecnologia, Engenharia & Matemática) e de aprendizagem baseada em investigação (IBL) são particularmente poderosas. Em nosso estudo relatado aqui sobre os esforços de quatro professores de ciências para incentivar/permitir o envolvimento cívico ativo e crítico, parece que, embora a educação STEM e a IBL continuam limitando, os professores comprometidos podem desenvolver abordagens inovadoras para alcançar esses objetivos.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,166

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,007
Études des sciences et des technologies0,0110,025
Communication savante0,0140,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,384
Écart entre enseignants0,316 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducação e FronteirasMême sujetScience and Education ResearchTravaux en français237 207