MétaCan
Menu
Retour à la cohorte
Enregistrement W3170881461 · doi:10.1096/fasebj.2021.35.s1.01868

Examining the topical coverage of genetics and biological evolution in Canadian secondary science curricula: A comparative content analysis

2021· article· en· W3170881461 sur OpenAlexaffabout
Mohammad Azzam, Anton Puvirajah, Samantha Jewett, Jingrui Jiang

Notice bibliographique

RevueThe FASEB Journal · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCurriculumContent analysisCategorizationReading (process)Scope (computer science)NegotiationHuman geneticsPsychologyReliability (semiconductor)GeneticsComputer scienceBiologySociologyPedagogyPolitical scienceSocial scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Introduction This study was a comparative content analysis of the Canadian secondary science curriculum documents with the overarching purpose of identifying the scope and sequence of topical coverage in genetics and biological evolution. Methods The units of analysis in this study, which were comprised of all the statements pertaining to genetics and biological evolution in the 45 secondary science curriculum documents in Canada, were identified through manual reading of the documents. Furthermore, using deductive category development techniques, we categorized the statements using a categorization scheme developed by Zorek and Raehl (2013). This scheme allowed us to categorize identified statements according to their applicability and accountability to our research objectives. Inter‐rater reliability was assessed using intraclass correlation coefficients. Discrepancies between raters were negotiated until consensus was reached. Next, we employed inductive reasoning techniques to identify codes and generate common themes and categories relevant to the teaching and learning of both genetics and biological evolution. Results Of the 45 secondary science curriculum documents we analyzed, 28 contained statements that were relevant to genetics and biological evolution. Good to excellent degrees of reliability were found between rater‐pairs. Final categorization, following negotiations, resulted in a total of 509 applicable statements across all curriculum documents, of which 198 (38.90%) were accountable and 311 (61.10%) were non‐accountable. More than two‐thirds of the accountable statements were relevant to genetics (68.18%). Most topics in both genetics and biological evolution are taught in Grade 12, accounting for 58.21% and 49.18% of all genetics‐related and biological evolution‐related accountable statements, respectively. A total of 16 major themes emerged from the inductive analysis of the 135 genetics‐related accountable statements. These themes were organized into four broad categories: (1) Genetic Material (five themes); (2) Mutations (three themes); (3) Inheritance (six themes); (4) Reproductive Technology (two themes). In addition, a total of 12 major themes emerged from the inductive analysis of the 63‐biological evolution‐related accountable statements. These themes were organized into three broad categories: (1) Theory of Evolution (five themes); (2) Evolutionary Mechanisms (four themes); (3) Evolutionary Principles (three themes). Conclusion Analyses of the curriculum documents indicated that, depending on jurisdiction, biological evolution is largely taught in either Grade 11 or Grade 12, while genetics is largely taught in Grade 12. Significance Our findings denote that biological evolution is taught before and, in some jurisdictions, possibly in tandem with genetics. Accordingly, further investigation is warranted to examine exactly how these topics are taught, perhaps through qualitative research methods involving interviews with teachers nationwide. At present, nevertheless, policy and decision‐makers in many Canadian jurisdictions are advised to revise their curricula in the direction of the literature's recommendations.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil0,524

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
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 Opus0,067
Tête enseignante GPT0,307
Écart entre enseignants0,240 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetGenetics, Bioinformatics, and Biomedical ResearchTravaux en français237 207