MétaCan
Menu
Retour à la cohorte
Enregistrement W3212092950 · doi:10.5430/jct.v10n4p47

The Billion Oyster Project and Curriculum and Community Enterprise for Restoration Science Curriculum Impact on Underrepresented Student Motivation to Pursue STEM Careers

2021· article· en· W3212092950 sur OpenAlexvenueno aff
Lauren Birney, Brian R. Evans, Joyce Kong, Vibhakumari Solanki, Elmer‐Rico E. Mojica, Christelle Scharff, Dimitrios Kaoutzanis, Guarav Kondapuram

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDiverse Educational Innovations Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésCurriculumPaceProject-based learningUnderrepresented MinorityPolitical scienceMedical educationPublic relationsPedagogySociologyEngineeringMedicineGeography

Résumé

récupéré en direct d'OpenAlex

The Billion Oyster Project and Curriculum and Community Enterprise for the Restoration of New York Harbor with New York City Public Schools (BOP-CCERS) program is a National Science Foundation (NSF) supported initiative and collaboration of multiple institutions and organizations led by Pace University. The NSF project, Innovative Technology Experiences for Students and Teachers (ITEST), had generated a large amount of data through engagement with teachers and students throughout New York City public schools. One purpose of this project is to engage with middle and high school science teachers to assist them in using project-based learning and real-world data collection in their classrooms with their students through harbor restoration initiatives. It was found that Underrepresented Minority (URM) students reported having higher levels of interest in STEM and science than did the non-URM students. While this is a success, it was found that the URM students had lower expectations for success in STEM courses and interest in STEM careers. It was concluded that URM students may need additional support in order to build their confidence and help them to become aware of opportunities in STEM education and careers.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,111
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
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 Opus0,051
Tête enseignante GPT0,346
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 tête enseignante, pas un consensus.

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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetDiverse Educational Innovations StudiesTravaux en français237 207