“Things your history teacher won't teach you: Science edition”: Black women science teachers as anti‐racist teachers
Notice bibliographique
Résumé
Abstract Marginalized communities cannot and do not have decontextualized experiences with how socioscientific issues, such as exposure to COVID‐19 as frontline essential workers, high Black infant mortality rates, air pollution leading to respiratory problems, and other issues, affect their communities. As PreK‐12 science teachers and teacher educators strive to dismantle oppressive practices in their classrooms and curriculum, it would be helpful to learn from Black women science teachers who have been engaging in anti‐racist practices before the racial awakenings of Summer 2020. In this study, three different virtual focus groups, or Sista Circles, were conducted with 18 Black women secondary science teachers. Ranging from 1 to 22 years of experience, Black women teachers across the country and international participants in Canada and Qatar participated in the Sista Circles. From intersectional qualitative analysis and narrative inquiry, the findings of the study reveal that Black women science teachers enact anti‐racist science teaching by bringing something new to the community; using NGSS standards within the context of the community; teaching at the intersection of history, culture, and science learning and teaching; and building critical consciousness in the science classroom. Furthermore, the findings of the study have implications for the use of anti‐racist frameworks within the context of science education that were authentically the practices of the Black women in the study. This study offers insights into how the critical consciousness of Black women teachers can be represented in the science classroom even in times of nonsupport from peers and administration. The power and necessity of Black women teachers are paramount in science classrooms specifically because of the neutral, apolitical ways science teaching has been approached in the past. The narratives and stories shared here exemplify how Black women science teachers transform science teaching and learning by displaying various acts of Criticality.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,033 | 0,019 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».