MétaCan
Menu
Retour à la cohorte
Enregistrement W4376274492 · doi:10.4324/9781003287483-21

Institutionalizing Social Justice in Engineering Curricula

2023· book-chapter· en· W4376274492 sur OpenAlexfundno aff
Diana Chen, Gordon D. Hoople, Jon A. Leydens, Cindy Rottmann

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoNational Science Foundation
Mots-clésCurriculumEngineering ethicsSocial justiceEconomic JusticeSociologyPolitical scienceEngineeringPedagogySocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

While the scholarship around engineering and social justice has seen substantial development, engineering curricula have been comparably slower to adapt. This chapter examines both the ways that social justice has made its way into engineering curricula and the barriers preventing wider adoption, particularly over the past decade. How does social justice emerge in diverse curricular contexts? What social justice frameworks and paradigms are engaged? This chapter examines three initiatives to infuse social justice into engineering at three different institutions and discusses entry points and barriers associated with integrating social justice into an engineering curriculum as well as the role institutional support has played in accelerating, enabling, and legitimizing the success of this integration. Lastly, this chapter discusses barriers for engineering educators to engage in this work and how we can support other engineering education practitioners in beginning this work.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,609

Scores Codex et Gemma par catégorie

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

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 Opus0,058
Tête enseignante GPT0,277
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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 sujetCareer Development and DiversityTravaux en français237 207