The Visual Science Communication Toolkit: Responding to the Need for Visual Science Communication Training in Undergraduate Life Sciences Education
Notice bibliographique
Résumé
Visual representations are essential to scientific research and teaching, playing a role in conceptual understanding, knowledge generation, and the communication of discovery and change. Undergraduate students are expected to interpret, use, and create visual representations so they can make their thinking explicit when engaging in discourse with the scientific community. Despite the importance of visualization in the biosciences, students often learn visualization skills in an ad hoc fashion without a clear framework. We used a mixed-methods sequential explanatory study design to explore and assess the pedagogical needs of undergraduate biology students (n = 53), instructors (n = 13), and teaching assistants (n = 8) in visual science communication education. Key themes were identified using inductive grounded theory methods. We found that extrinsic motivations, namely time, financial resources, and grading practices, contribute to a lack of guidance, support, and structure as well as ambiguous expectations and standards perceived by students and instructors. Biology and science visualization instructors cite visual communication assessments as a way of developing and evaluating students’ higher-order thinking skills in addition to their communication competencies. An output of this research, the development of a learning module, the Visual Science Communication Toolkit, is discussed along with design considerations for developing resources for visual science communication education.
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 | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,017 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».