Empowering Female High School Students for STEM Futures: Career Exploration and Leadership Development at Scientella
Notice bibliographique
Résumé
Women remain underrepresented in STEM fields, with a major STEM pipeline leakage occurring between high school and post-secondary education. Past research suggests that providing female high school students with opportunities for problem-solving, prosocial behaviors and working towards authentic communal goals can improve their perceptions of STEM and the attractiveness of STEM careers. Building on this prior research, we investigate Scientella, a US-based, student-run organization that provides out-of-school consulting projects, mentorships and webinars to female high school students. Drawing on the direct experiences of Scientella’s co-founders and analyzing program survey data, we explore how Scientella provides these opportunities, the benefits realized by students, and the challenges faced by the organization. Survey data show that involvement in Scientella’s activities provides students with benefits related to STEM career exploration and counter-stereotypical STEM skill development, including career discovery, industry engagement and practical experience, and the development of collaboration, communication and social research skills. The admissions of Scientella student leaders to STEM majors in selective US colleges indicates the promise of Scientella’s approach, and that providing students with opportunities to engage in STEM-themed career exploration and leadership development could be an effective strategy to increase female STEM participation in post-secondary education and the pursuit of subsequent career opportunities.
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 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».