STEAM education: student learning and transferable skills
Notice bibliographique
Résumé
Purpose Globally, interdisciplinary and transdisciplinary learning in schools has become an increasingly popular and growing area of interest for educational reform. This prompts discussions about Science, Technology, Engineering, Arts and Mathematics (STEAM), which is shifting educational paradigms toward art integration in science, technology, engineering and mathematics (STEM) subjects. Authentic tasks (i.e. real-world problems) address complex or multistep questions and offer opportunities to integrate disciplines across science and arts, such as in STEAM. The main purpose of this study is to better understand the STEAM instructional programs and student learning offered by nonprofit organizations and by publicly funded schools in Ontario, Canada. Design/methodology/approach This study addresses the following research question: what interdisciplinary and transdisciplinary skills do students learn through different models of STEAM education in nonprofit and in-school contexts? We carried out a qualitative case study in which we conducted interviews, observations and data analysis of curriculum documents. A total of 103 participants (19 adults – director and instructors/teachers – and 84 students) participated in the study. The four STEAM programs comparatively taught both discipline specific and beyond discipline character-building skills. The skills taught included: critical thinking and problem solving; collaboration and communication; and creativity and innovation. Findings The main findings on student learning focused on students developing perseverance and adaptability, and them learning transferable skills. Originality/value In contrast to other research on STEAM, this study identifies both the enablers and the tensions. Also, we stress ongoing engagement with stakeholders (focus group), which has the potential to impact change in teaching and teacher development, as well as in related policies.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».