MétaCan
Menu
Retour à la cohorte
Enregistrement W3157171239 · doi:10.3390/su13094961

Reconceptualizing STEM Education in China as Praxis: A Curriculum Turn

2021· article· en· W3157171239 sur OpenAlexaff
Ying Ma

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPraxisCurriculumEngineering ethicsDisciplineChinaHumanityWorkforceSociologyPolitical sciencePedagogyEnvironmental ethicsSocial scienceEngineering

Résumé

récupéré en direct d'OpenAlex

STEM education has drawn considerable international attention in recent decades. Current practices of STEM Education in China have shown that STEM is understood primarily as a policy-driven and economic problem. This paper challenges the reduced technical frameworks of STEM education and draws on the theoretical framework of the reconceptualization movement in the curriculum field. It aims to shift scientific or social science paradigms with languages of humanity to reapproach STEM education. STEM education is hence reconceptualized as praxis in its lived, ethical and historical dimensions. It would transform STEM education in China from being targeted for economic growth to attending to lived, nuanced and rich STEM experiences, structured by ethics and threaded by history. STEM teachers and teacher educators are advised to understand anew about STEM in their situatedness. STEM could serve as an opportunity to critically reflect on and research each discipline in greater depth with inter-disciplinary lenses. Instead of integrating science, technology, engineering and mathematics seamlessly to form omnipotent toolsets for the 21st-century workforce in China and on the international landscape, a reconceptualization of STEM as praxis could continue to generate more sustainable STEM education.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,011
Communication savante0,0040,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,407
Écart entre enseignants0,389 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations38
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetInnovative Teaching MethodsTravaux en français237 207