The role of flourishing in the STEM trajectories of emerging adults
Notice bibliographique
Résumé
We focus on the use of flourishing as a new measure in studies of pathways in STEM (science, technology, engineering, and mathematical) fields. While the concept of flourishing is promising, the concept may need careful interrogation to ensure it takes structural and personal (cultural, religious, socioeconomic, and racial) differences into account. Our longitudinal study explores emerging adult’s educational and career pathways with careful attention to structural inequities, enabling us to productively explore the concept of flourishing in a larger systemic context. Drawing from a set of qualitative interviews with our participants, we explore the ways that our sample of emerging adults ( N = 30), predominantly people of color, define and discuss flourishing. The concept resonated with our diverse participants, and a substantial number did report flourishing. But despite the regularity with which the participants described experiencing racism and microaggressions, they did not often mention those harmful experiences when discussing flourishing. We caution that flourishing data on its own may provide an overly rosy image of the pathways and development, especially of young people of color. Our data suggest that it may be especially important to examine flourishing in context with other measures that can flesh out a fuller picture of well-being, especially in relation to race, racism, sexism, or any other experiences related to personal identities. In particular, instruments should be carefully designed to ensure–especially for emerging adults–that all aspects of their lives and identities can be fully understood.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; 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 ».