MétaCan
Menu
Retour à la cohorte
Enregistrement W3146307656 · doi:10.1007/s11165-021-10001-1

Foregrounding Intersectionality in Considerations of Diversity: Confronting Discrimination in Science Teacher Education

2021· article· en· W3146307656 sur OpenAlexaff
Lydia Burke

Notice bibliographique

RevueResearch in Science Education · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDiverse Educational Innovations Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésForegroundingScience educationIntersectionalityDiversity (politics)Prejudice (legal term)SociologyIdeologyField (mathematics)PedagogyDeconstruction (building)Engineering ethicsMathematics educationPsychologyPolitical sciencePoliticsSocial psychologyGender studiesEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This paper contributes to a small but significant body of research addressing issues of prejudice in science education. It is written in the form of a critical incident analysis that uses the framework of intersectionality to examine deficit ideologies and biases inherent in science as a body of knowledge as well as science teacher education. If left unchecked, these prejudices can filter through into school science education, reinforcing the stereotypes of who can contribute to the field of science. The paper makes a call for science teacher educators to support teacher candidates as they move past an academic understanding of diversity in science education to examine their personal dispositions. Suggestions are made for approaches that can be adopted to facilitate the forms of deconstruction necessary for progress to be made in this area.

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)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,873

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,009
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,289
Tête enseignante GPT0,450
Écart entre enseignants0,161 · 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'étudeObservationnel
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in Science EducationMême sujetDiverse Educational Innovations StudiesTravaux en français237 207