A Two-Eyed Seeing Teaching and Learning Framework for Science Education
Notice bibliographique
Résumé
Abstract Worldwide, education jurisdictions are looking for authentic ways to address First Nations perspectives in the K-12 curriculum, including science education. At the same time, there have been ongoing efforts to integrate authentic and engaging approaches to teaching science, including those that are student-centred, inquiry-based, multimodal, and linked to meaningful contexts. Both goals may be realised through the principle of Two-Eyed Seeing (TES), which seeks to integrate the strengths of Indigenous ways of knowing with one eye, and Western ways of knowing with the other eye, for the benefit of all students. This theoretical paper presents a Two-Eyed Seeing for Science Education (TESSE) Framework, which brings together two pedagogical models. One is from a contemporary science perspective, the 5Es representation-rich inquiry approach, which scaffolds authentic student-centred conceptually focused learning experiences. The other is from an Indigenous perspective, the 8 Aboriginal Ways of Learning, which illustrates different ways of knowing—many of which are familiar with First Peoples across the world (e.g., place-based, visual, holistic). The TESSE Framework aims to act as a strengths-based interface between the two knowledge systems to support a culturally responsive approach to teaching and learning science. It is designed to support meaningful connections through curriculum and pedagogy in ways that are contextually relevant to place. Through empirical investigation and in collaboration with local communities, the Framework has the potential to inform current approaches to science education in schools and universities and provide a pathway towards decolonisation and reconciliation.
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 | 0,004 | 0,003 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».