MétaCan
Menu
Retour à la cohorte
Enregistrement W4386233819 · doi:10.1109/istas55053.2022.10226643

Inclusion is Much More Than Access: STEM Capital and Agentic Strategies

2022· article· en· W4386233819 sur OpenAlexafffund
Robyn Ruttenberg-Rozen, Nichole L. Powell, Pamela Leggett‐Robinson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensOntario Tech University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésInclusion (mineral)BusinessCapital (architecture)Computer sciencePsychologyGeographySocial psychology

Résumé

récupéré en direct d'OpenAlex

The challenge of exclusion of marginalized women in post-secondary Science, Technology, and Mathematics (STEM) is a wicked problem with a multiplex of interconnected factors that support or undermine inclusion. One thing is for sure there is a difference between access and inclusion. Although many underrepresented people have been recruited into STEM and given access to a STEM education, they still experience exclusion in their institutions and programs. In this paper, we focus on STEM capital and the agentic strategies that support the development of STEM capital for women marginalized in postsecondary undergraduate STEM programs. STEM capital is a concept that explains why some people are excluded from getting STEM privileges while those already having STEM privilege receive even more. We analyze STEM capital from an institutional and programmatic level, particularly focusing on the “T” in STEM and the large influence that technology has on STEM capital. We take an anti-deficit perspective in our analysis and explore the potential of agency and agentic strategies. That is, we privilege the strengths that STEM learners bring with them and ask how those strengths can be leveraged to navigate through exclusionary institutional systems and programs.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,018
Communication savante0,0090,006
Science ouverte0,0010,009
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,042
Tête enseignante GPT0,304
Écart entre enseignants0,262 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCareer Development and DiversityTravaux en français237 207