MétaCan
Menu
Retour à la cohorte
Enregistrement W4393898954 · doi:10.18260/1-2--45408

Creating Equity-Focused STEM Learning Programs with k2i academy

2024· article· en· W4393898954 sur OpenAlexafffundabout
Lisa Cole, Michelle Tsui-Woods, Vanessa Ironside

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensYork University
Organismes subventionnairesDirectorate for STEM EducationMinistère de l’Éducation, Gouvernement de l’OntarioYork University
Mots-clésEquity (law)Computer scienceMathematics educationPolitical sciencePsychology

Résumé

récupéré en direct d'OpenAlex

k2i (kindergarten to industry) academy within the Lassonde School of Engineering at York University works to meaningfully design and integrate equity and inclusion based science, technology, engineering and math (STEM) programs into all areas of education.These programs address systemic barriers that limit youth from succeeding in STEM areas, pursuing further education and finding a place in industry.The Bringing STEM to Life: Work-Integrated Learning program was designed to address inequities for underrepresented high school students by offering a high school physics credit during the summer in addition to a paid position as a Lab Assistant collaborating with Lassonde Faculty researchers and industry partners.k2i academy partners with school boards in the greater Toronto area to identify Women, Black and Indigenous students within their communities to participate in the experience.The educators, faculty researchers and undergraduate mentors who facilitate the work collaborate to create culturally relevant curriculum that builds skills in engineering design, coding and computational thinking with a focus on sustainability through the use of the United Nations Sustainable Development Goals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,002
Communication savante0,0050,002
Science ouverte0,0020,014
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,315
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetMobile Learning in EducationTravaux en français237 207