Notice bibliographique
Résumé
Today, STEM and/or STEAM frameworks dominate the discourse around science education and what constitutes a ‘scientific’ literacy. While no one definition prevails in the literature, this literacy is often defined in the context of a current national concerns and focuses largely on Eurocentric (western) models of science and/ or scientific knowledge in terms of concepts, models, theories, or principles. As it currently stands, the term STEM is mostly used when addressing educational policy and curriculum choices in schools, aimed at improving competitiveness in science and technology with implications for workforce and economic development (often with some missing voices from women and Indigenous communities). Without an important socio-cultural critique, education of this kind can maintain and promote hegemonic beliefs and values while ignoring collateral problems relating to scientific or technological development: many of which have been linked to social and environmental injustice. In this paper, I offer three perspectives in an effort to decentre the discourse around the STEM movement. Using the overlapping themes of biocultural diversity, two-eyed seeing and guided inquiry, I offer suggestions on how to reframe science education as an interdisciplinary practice centred on student and community needs. In these ways, science education can ‘get back to the real world’ and promote creative approaches to science literacy, problem solving and cultural inquiry.
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 | 0,015 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,015 |
| Communication savante | 0,011 | 0,017 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».