The Billion Oyster Project and Curriculum and Community Enterprise for Restoration Science Curriculum Impact on Teacher Engagement
Notice bibliographique
Résumé
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. This article presents the second part to a large data collection study with focus on Underrepresented Minority (URM) student interest in STEM and engagement with teachers to support them in teaching science through experiential learning and lessons that connect science to the real world, particularly through science in the New York Harbor. The first component of the study focused on URM student interest in STEM. This second component of the study focuses on teacher engagement in the program, and what the researchers had learned in the process. Overall, teachers reported very favorable options on the impact of the BOP-CCERS activities as ways to generate student interest in STEM majors and careers. Teacher participants were generally positive about the amount of support and resources they received as members of the project, as well as the oyster-related knowledge and practices they learned to use with their own students in oyster field research. Data from the study provided evidence that the teacher activities were successful and met the project’s goals to provide support and resources for teachers to engage students in oyster restoration research.
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 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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».