MétaCan
Menu
Retour à la cohorte
Enregistrement W3111363418 · doi:10.5206/cie-eci.v49i1.13437

A Commentary on Kenya’s Response to the Global STEM Movement from Social Justice Perspectives: Would School-Community Innovation Centres/Makerspaces Address Apparent Gaps in the Proposed Curriculum?

2020· article· en· W3111363418 sur OpenAlexaffvenue
Wanja Gitari, Daniel Foster, Nasim Mashhadi

Notice bibliographique

RevueComparative and International Education · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesDirectorate for STEM EducationU.S. Department of Education
Mots-clésCurriculumDilemmaContext (archaeology)Socioeconomic statusSociologySustainable developmentPolitical sciencePublic relationsEconomic growthPedagogyPopulationEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

This paper discusses Kenya’s proposed STEM curriculum in the context of the new education system. The new education system aims at socioeconomic development following Kenya’s Vision 2030 and the United Nations Sustainable Development Goals (SDGs). The paper refers to social justice perspectives to discuss strengths and weaknesses of the proposed STEM curriculum. Our exploration of the reform documents led to the question: Has Kenya got the means to benefit from the progressive reform ideas given meagre resources and local worldviews that might conflict with the scientific/STEM worldview? In response to this dilemma, the paper suggests innovation centres or do-it-yourself centres akin to makerspace activity, as one way to engender the development of endogenous science/STEM. Setting endogenous science/STEM as the framework for the proposed STEM curriculum is likely to seamlessly address the socioeconomic goals as stipulated for the new education system.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,436
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,374
Écart entre enseignants0,308 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComparative and International EducationMême sujetMobile Learning in EducationTravaux en français237 207