MétaCan
Menu
Retour à la cohorte
Enregistrement W3209807176 · doi:10.3389/feduc.2021.674878

A Framework for Understanding the Nature of Questions Asked by Audience Participants at Science Cafés

2021· article· en· W3209807176 sur OpenAlexaff
Nina M. Nesseth, Amy Henson, Chantal Barriault

Notice bibliographique

RevueFrontiers in Education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensScience NorthLaurentian University
Organismes subventionnairesnon disponible
Mots-clésPublic engagementCitizen scienceTheme (computing)Audience responseScience communicationScience learningEvent (particle physics)PsychologyCoding (social sciences)Public awareness of scienceScience educationSociologyComputer scienceMathematics educationPublic relationsWorld Wide WebPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Science Cafés are events designed as public engagement tools that create the opportunity for open dialogue between members of the general public and experts on the issue being discussed at the event. This study explores the nature of questions being asked by audience participants during discussion sessions of Science Café events. It was conducted by coding audio recordings of audience participant engagements at 41 Science Café events held between 2010 and 2019. The result of this analysis produced a novel taxonomic framework to describe audience participant behaviors in terms of their learning goals. This framework was evaluated by applying it to samples of Science Café question data selected by Science Café topic theme. Comparisons between question-asking behaviors for specific Science Café topics and overall trends in question-asking behaviors for all Science Cafés revealed significant changes in audience participant learning goals when asking questions at Science Cafés centered on different topic types. Implications for understanding Science Café audiences and potential developments for Science Café events as public science engagement tools are discussed.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil0,630

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,332
Tête enseignante GPT0,497
Écart entre enseignants0,164 · 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'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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in EducationMême sujetClimate Change Communication and PerceptionTravaux en français237 207