MétaCan
Menu
Retour à la cohorte
Enregistrement W4376274288 · doi:10.4324/9781003287483-22

Transforming Engineering Education Through Social Capital in Response to Hidden Curriculum

2023· book-chapter· en· W4376274288 sur OpenAlexaboutno aff
Idalis Villanueva, Victoria Sellers, R. Paul, Buffy Smith

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésSocial capitalCurriculumSociologyPolitical scienceEngineering ethicsPedagogyEngineeringSocial science

Résumé

récupéré en direct d'OpenAlex

This research-to-practice chapter targets prospective and current engineering educators, scholars, and leaders who are interested in learning how hidden curriculum (HC) in engineering can be transformed through social capital. HC represents the unacknowledged and often-hidden lessons or messages that hinder individuals, especially from marginalized populations, from successfully navigating their environments. HC propagates through social networks and relationships, resulting in patterns of behavior that guide how individuals navigate the structures and systems in which they are embedded. This chapter begins with an overview of HC research, discusses the connection to social capital, and introduces an HC pathways model in engineering. We introduce three HC archetypes to describe engineering stakeholders: seekers, bridgers , and agents . Seekers become aware of HC and use social capital to navigate it, bridgers surround themselves with kindred peers to support each other, and agents enact strategies and practices to challenge systems and structures. We provide example of a curriculum that aligns with these archetypes and have specific recommendations based on the US and Canada contexts for different stakeholders in engineering education.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,005
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,353
Écart entre enseignants0,323 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHigher Education Learning PracticesTravaux en français237 207