Connection, Engagement, and Belonging: Exploring Young Women’s Positive Experiences for Building Inclusive STEM Classrooms
Notice bibliographique
Résumé
This qualitative study was designed from an appreciative and positive research focus to examine how and why young women engage in, succeed, and persevere in STEM courses. The objective was to gain student perspectives on improving gender equality in STEM education. From the questionnaire and focus groups with participating women university students enrolled in STEM courses three themes emerged (a) Relational Connection with teachers and/or students, (b) Engagement with STEM Curriculum that reflected influential pedagogical learning cultures, and (c) Cultures of Belonging and inclusion. This research offers insight into positive factors for women’s success in STEM academics and careers. Keywords: Female students in STEM; STEM Education; STEM Engagement; Inclusivity; Gender Bias Cette étude qualitative a été conçue dans une optique de recherche appréciative et positive afin d'examiner comment et pourquoi les jeunes femmes s'engagent, réussissent et persévèrent dans les cours de science, technologie, ingénierie et mathématiques (STIM). L'objectif était d'obtenir le point de vue des étudiantes sur l'amélioration de l'égalité des sexes dans l'enseignement des STIM. Le questionnaire et les groupes de discussion auxquels ont participé des étudiantes universitaires inscrites à des cours de STIM ont permis de dégager trois thèmes : (a) le lien relationnel avec les enseignants et/ou les étudiants, (b) l'engagement dans le programme de STIM qui reflète des cultures d'apprentissage pédagogiques influentes, et (c) les cultures d'appartenance et d'inclusion. Cette recherche offre un aperçu des facteurs positifs pour la réussite des femmes dans les études et les carrières en STIM. Mots clés : étudiantes dans les STIM ; éducation aux STIM ; engagement dans les STIM ; inclusion ; préjugés sexistes
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».