Barriers to Conducting Primary and Secondary Computing Education Research.
Notice bibliographique
Résumé
Motivation.With the growth of primary and secondary computing education research (CER) comes challenges and barriers to conducting this research.Despite previous research investigating barriers to CER focused on diversity, equity and inclusion, there has not yet been an investigation of barriers to conducting CER through the equity lens of the Capacity, Access, Participation, and Experience (CAPE) Framework.Therefore, our project's objective for was to systematically examine the different levels of barriers that researchers in the primary and secondary CER community face when conducting research.Research Questions.Our research questions were: RQ1) What barriers do researchers face in the CER community when investigating the four components of CAPE (Capacity, Access, Participation, Experience)?andRQ2) What barriers do researchers face in the CER community when investigating marginalized groups in their research?Research Methods.We distributed a survey to over 1,500 authors of published CER that asked about the barriers they face when conducting research focused on K-12 computing education.Results.Using thematic analysis, we were able to identify 20 barriers researchers face.The most common themes were funding, time/timing, access to research populations, and lack of CER for administrators.Another interesting result is that funding is the greatest barrier faced by all involved in primary and secondary CER, regardless of role.Implications.Our findings provides insight into why there is minimal research studying certain 1 Gransbury, Heckman, McGill, DeLyser, Rosato ASEE 2024 topics and groups.To address these barriers, the CER community can focus on creating materials, workshops, and professional development initiatives to inform researchers about resources as well as methods for mitigating these barriers.
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 | 0,170 | 0,293 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,012 | 0,006 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
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 ».