MétaCan
Menu
Retour à la cohorte
Enregistrement W3173936872 · doi:10.24908/pceea.vi0.14957

PERFORMING SCIENCE: SCIENCE COMMUNICATION AS PERFORMATIVE EVENT

2021· article· en· W3173936872 sur OpenAlexaffvenueabout
Alan Chong, Lydia Wilkinson

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueScience Education and Perceptions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEvent (particle physics)Science communicationPerformative utteranceVariety (cybernetics)RhetoricPoint (geometry)Computer scienceSociologyScience educationPedagogyLinguisticsAestheticsArt

Résumé

récupéré en direct d'OpenAlex

A course at the University of Toronto encourages engineering students to analyze how science isconveyed in the popular media through a variety of contexts. An analysis of the language and rhetoric of these communicative acts provides on entry point into how science is framed, while the discipline of performance studies, which identifies and analyzes the mechanisms with which we present our messages and ourselves, provides another useful tool through which to understand the motivations and associated strategies behind scientific communication. This teaching practice paper presents three case studies of scientific press conferences used in the course: NASA’s 2010 astrobiology event, the Higgs Boson announcement in 2012, and Virgin Galactic’s 2014 SpaceShipTwo crash. These three case studies illustrate how the act of communicating science within public spaces should be navigated with an awareness of the intended message and the way that this message is conveyed and perceived. Each case study includes a summary of observations on the event (generated and shared through class discussions), and prompts that will enable theeffective instruction of these and other case studies.

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)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,025
Communication savante0,0120,008
Science ouverte0,0010,009
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,011
Tête enseignante GPT0,306
Écart entre enseignants0,295 · 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.

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

Citations1
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetScience Education and PerceptionsTravaux en français237 207