Editorial: Special Issue “Promoting STEAM in Education”
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lately STEAM (science, technology, engineering, art/aesthetics/architecture/all, mathematics) education has become a common notion. Yet, the theoretical and practical perspectives on STEAM, from its nature to classroom applications and its implementation in teacher education have unexamined potential. This special issue grew out of the International LUMAT Research Symposium “Promoting STEAM in Education” that took place at the University of Helsinki, Finland in June of 2020. With the challenges of organizing an online symposium in the midst of the COVID-19 pandemic, its online nature had significant advantages. The symposium drew international scholars inviting a multitude of prospective on STEAM education, while uncovering the challenges faced by educators. The issue aims at examining these challenges through a collection of papers. In this editorial, we introduce some key notions, discourses, and challenges of STEAM education, as a relatively novel concept and briefly discuss the history of STEAM and its evolution over the last decades. We also problematize STEAM and its roots through asking a question: What is “A” in STEAM representing? Then we introduce the three articles in this special issue: “Full STEAM ahead, but who has the map? – A PRISMA systematic review on the incorporation of interdisciplinary learning into schools”; Promoting STEAM learning in the early years: ‘Pequeños Científicos’ Program”; and “Promoting student interest in science: The impact of a science theatre project”. These articles challenge us to rethink STEAM education, reveal the potential of STEAM, and offer ideas for future research.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle