Using Inclusive Language in the Applied-Science Academic Environments
Notice bibliographique
Résumé
Language is not neutral or used in a vacuum; language is one of the most powerful tools we have as humans that incorporates personal assumptions, social norms, and cultural ideologies. It is therefore important to consider language critically and to watch for biases in usage. Language reflects the world it is used in, but it is also active in maintaining or redesigning that world. It can be a tool of discrimination or of empowerment. We can use it to foster discrimination, unintentionally or otherwise, or we can use it to help make a fairer world [1]. Words have the power to affect our personhood, our identity, our attitudes, and our images about others. The power of language to affect our identity and behaviour was realized by oppressed groups in the 20th Century. Language is an important part of socialization - it plays a crucial part in the process whereby people learn the behaviours and values of a particular group or culture [2]. Historically, language has left many out. Individuals and groups have been marginalized and discriminated against because of their culture, race, ethnicity, gender, sexual orientation, age, disability, socioeconomic status, appearance, and more. Inclusive language seeks to treat all people with respect, dignity, and impartiality. It is constructed to bring everyone into the group and exclude no one. It is suggested that the basis of communication is not what is said, but how the words are heard. Language framed by derogatory names and symbols can have implications for people and their life experiences [3]. Making changes to use more inclusive language offers us a chance to grow and become better communicators who care for those we are communicating with [4]. This short article is meant to review the concept of political correctness and inclusive language and raise awareness for students and teachers to discriminatory terms that can be easily replaced with clearer and less-offensive alternatives. This topic has been vastly discussed in social sciences and a great number of theories and articles have shed light on the importance of this topic. The goal of this paper is to communicate these ideas to a larger audience including educators in applied sciences including Science, Technology, Engineering and Math (STEM).
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 | 0,033 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,023 | 0,046 |
| Communication savante | 0,036 | 0,021 |
| Science ouverte | 0,004 | 0,051 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,008 |
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 ».