Self-Direction in Physics Graduate Education: Insights for STEM from David J. Rowe’s Career-Long Methods
Notice bibliographique
Résumé
The ability to self-direct a research program determines graduate degree completion. Yet, research on incompletion of science, technology, engineering, and mathematics (STEM) graduate programs assumes students’ present level of self-direction adequate and neglects to recognize a lack of self-directed learning (SDL) as key. This essay explores SDL for STEM, presenting the work of theoretical nuclear physicist David J. Rowe as a key example of applying a process of SDL in practice. Rowe focused on this challenge of physics graduate education by promoting SDL through the type of research flow that has been found to bring the greatest satisfaction to researchers regarding their insights. Strategies he explored involved his space, time, open mindedness and theoretical contributions with students and in collaboration with colleagues. A self-directed learner himself, Rowe developed methods of mentoring for encouraging physics graduate students to recognize symmetry as valuable in identifying solutions to problems quickly—helping students take the lead in finding insightful resolutions to complex, multidimensional, mathematical physics uncertainties. These strategies for supporting SDL in this context are examined here, with the use of narrative research to interpret the texts and conversations exchanged with the author. The process of SDL developed by Rowe is presented with recommendations on how Rowe’s methods may be modeled to improve self-direction in STEM graduate education more widely.
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 | 0,015 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,029 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».