MétaCan
Menu
Retour à la cohorte
Enregistrement W3036239323 · doi:10.1177/0963662520923110

What science means to me: Understanding personal identification with (evolutionary) science using the sociology of (non)religion

2020· article· en· W3036239323 sur OpenAlexaboutno aff
Stephen Jones, Fern Elsdon‐Baker, Rebecca Catto, Tom Kaden

Notice bibliographique

RevuePublic Understanding of Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensnon disponible
Organismes subventionnairesTempleton Religion Trust
Mots-clésPublicsSociologyIdentification (biology)EpistemologySociology of scientific knowledgeSocial sciencePoliticsExistentialismField (mathematics)Norm (philosophy)Social science educationScience educationPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Within science and technology studies, there is an established tradition of examining publics’ knowledge of, trust in, access to and engagement with science, but less attention has been paid to whether and why publics identify with science. While this is understandable given the field’s interest in bridging gaps between publics and producers of scientific knowledge, it leaves unanswered questions about how science forms part of people’s worldviews and fits into cultural politics and conflict. Based on 123 interviews and 16 focus groups with mixed religious and nonreligious publics and scientists in the United Kingdom and Canada, this article utilises approaches from the sociology of (non)religion to delineate varieties of science identification. It maps out ‘practical’, ‘norm-based’, ‘civilisational’ and ‘existential’ identifications and explores how these interrelate with people’s social characteristics. The article illustrates how science identification is typically dependent on a constellation of cultural/political influences rather than just emerging out of interest in science.

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)0,017
score de la tête « metaresearch » (Gemma)0,028
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0090,028
Communication savante0,0090,012
Science ouverte0,0010,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,625
Tête enseignante GPT0,445
Écart entre enseignants0,180 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Understanding of ScienceMême sujetClimate Change Communication and PerceptionTravaux en français237 207