Notice bibliographique
Résumé
Talento é distribuído igualmente por todos os grupos socioculturais, porém quando se trata do acesso a oportunidades, as barreiras sistêmicas são visíveis. Isso é particularmente verdadeiro nas profissões envolvendo Ciência, Tecnologia, Engenharia e Matemática (STEM). A sub-representação de grupos marginalizados nos contextos STEM é generalizada. Negros, índios e minorias sexuais ou de gênero e indivíduos com deficiência continuam com menor probabilidade de serem integrados com sucesso nos cursos e profissões de STEM. Esses indivíduos podem ser questionados sobre sua competência, desafiados em conhecimentos científicos e, consequentemente, invisibilizados como cientistas. Dezenas de relatórios e estudos empíricos documentam que essas experiências são muito comuns como características do cenário contra o qual o desenvolvimento acadêmico e de carreira se desenrola para muitos de grupos sub-representações. Infelizmente, a boa ciência pode ser dificultada em ambientes não civis e negligentes. A ampla integração de todos os segmentos da sociedade nos cursos STEM trará inovações e benefícios sociais significativos para uma sociedade mais sustentável. Mas como o acesso e a oportunidade podem ser facilitados em ambientes de afirmação em apoio a um modelo de desenvolvimento de talentos STEM para todos? Neste artigo, será apresentado uma visão geral sobre os problemas enfrentados pelos grupos marginalizados e sugestões de como podemos trabalhar para reduzir barreiras sistemas para uma educação STEM mais equitativa para todos os gêneros.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».