Productive tensions? Analyzing the arguments made about the field of engineering education research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background A body of literature has arisen analyzing and legitimating the emerging field of engineering education research (EER). Using concepts from the sociology of knowledge, EER can be described as a region because it has relationships both to other academic fields and to its field of practice. Of interest is the strength of boundaries between these fields, described by the sociologist Bernstein's concept of classification. Purpose/Hypothesis This study addresses the research questions: (1) How, when and by whom are arguments made to strengthen or weaken the boundaries, first between EER and other academic fields and second between EER and engineering teaching? (2) How do these arguments change across time and national contexts? Design/Method Drawing on a survey of 21 EER experts, this sociological discourse analysis focuses on a purposive dataset of 17 papers from 2000 to 2020. Results The study identified three main arguments in this literature, favoring: (1) strong classification (a singular in sociological terms); (2a) a region linked outward to teaching practice; and (2b) a region linked inward to other social science disciplines. Conclusions The argument for EER as a strongly classified field has served value in establishing legitimacy and associated resources in some contexts but has not yet delivered a unique knowledge base for such legitimation. An alternative framing holds together the productive tension between two directions in which EER as a region can face: Looking inward to parent disciplines for theoretical and methodological direction and looking outward to the world of practice for meaningful problems to guide its 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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