Inclusive Science Communication Approaches Through an Equity, Diversity, Inclusion, and Social Justice (EDISJ) Lens
Notice bibliographique
Résumé
Science communication has taken center stage in Science, Technology, Engineering, and Math (STEM) disciplines in the context of public outreach and citizen science. Developing practical communication skills is imperative for all scientists to be highly successful in their careers and more so for underrepresented and Black, Indigenous, and People of Color (BIPOC) professionals in STEM. The program, led by the Engineering and Science Librarian at the University of Victoria (UVic) Libraries, aimed to equip students and early career scientists with critical communication skills by leveraging the unique voices and lived experiences of BIPOC speakers in STEM disciplines. Through this program, a unique toolkit with engaging modules consisting of 30 short videos, each three minutes long (30 x 3) by BIPOC speakers was created to provide broad foundational skills in verbal and visual communication, using an Equity, Diversity, Inclusion, and Social Justice (EDISJ) lens. A two-day conference offered networking and communication development opportunities to students and early-career scientists in STEM disciplines by connecting them with BIPOC STEM leaders and visionaries who promote STEM advocacy. This paper will discuss the methods used in the creation of the toolkit and conference using an EDISJ lens.
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 | 0,022 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,020 | 0,041 |
| Communication savante | 0,028 | 0,020 |
| Science ouverte | 0,002 | 0,031 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».