MétaCan
Menu
Retour à la cohorte
Enregistrement W4200512993 · doi:10.1080/10447318.2021.2016235

STEM Educational Outreach and Indigenous Culture: (Re)Centering for Design Scholarship

2021· article· en· W4200512993 sur OpenAlexaffabout
Richard Canevez, Carleen Maitland, James Shaw, Soundous Ettayebi, Charlene Everson

Notice bibliographique

RevueInternational Journal of Human-Computer Interaction · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensAssembly of First NationsUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésScholarshipIndigenousOutreachEngineering ethicsSociologyTransformative learningIndigenous educationPedagogyPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Integrating Indigenous culture into STEM education is a critical process in building pathways to justice and diversifying design. This process serves to (re)center our conceptions of STEM education by challenging strictly Western notions of STEM, representing an opportunity for learning not just in curricular design, but in technological design as well. Postcolonial computing scholars have critically examined design processes, highlighting the dominance of Western knowledge undergirding cross-cultural design. However, such efforts have yet to fully leverage insights from national curricular (re)centering initiatives. We take up this opportunity through a qualitative case study of an educational outreach organization in British Columbia, Canada, a subsidiary of a nation-wide effort in curricular integration of Indigenous and Western STEM material. Applying postcolonial computing thought, we offer enrichments to theory by providing an empirical basis for a) integrating resiliency, b) politicization in design, and c) arguments for (re)centering epistemological authority in computing. These contributions both enrich theory and enhance the practice of cross-cultural design by encouraging and exploring an Indigenous (re)centering of our understanding of both curricular and technological design.

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)0,016
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0170,066
Communication savante0,0100,007
Science ouverte0,0020,014
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,074
Tête enseignante GPT0,365
Écart entre enseignants0,291 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Human-Computer InteractionMême sujetInnovative Human-Technology InteractionTravaux en français237 207