Notice bibliographique
Résumé
Over the past three decades it has become increasingly common to include social and professional issue topics within undergraduate computing programs. A decade ago, a consensus had emerged around best practices in teaching these topics: namely by covering a professional code of conduct along with a handful of ethical theories and then applying them to computing or workplace dilemmas and choices. Yet despite the successful wide-scale inclusion of ethics instruction within most computing programs, the perception persists that the societal harms of computing remain undiminished. This paper argues that ethics was never the answer to this problem. Addressing the social consequences of computing requires recognizing that computing is deeply enmeshed in political issues, and that the route to addressing this in our curricula is to integrate political topics within them. We can learn effective ways for doing so by making use of pedagogical approaches already pioneered within digital literacy and citizenship education which prioritize questions around justice, equity, and participation. These approaches also focus on engendering critical perspectives towards the students’ digital and non-digital ecosystems as well as encouraging democratic activism and civic engagement with their communities. These citizenship approaches can help our computing curricula better achieve the goals that initially motivated the inclusion of ethics: to help our students play a part in constructing a better world.
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 | 0,048 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,093 |
| Communication savante | 0,015 | 0,044 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,016 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».