Attending to adversarial science communication: a commentary on Lewenstein and Baram-Tsabari’s vision of science communication education
Notice bibliographique
Résumé
Unlike K-12 science teachers who can turn to national documents such as the Next Generation Science Standards for guidance on what knowledge and skills are central to their disciplines, university educators who set out to teach science communication are faced with the challenge of having to develop/implement a curriculum without the benefit of a well-established disciplinary core. In the present commentary, we discuss how the framework proposed by Lewenstein and Baram-Tsabari’s (Citation2022) begins to address this issue by taking a first step toward the articulation of a blueprint of science communication education. The commentary is organized as follows. First, Lewenstein and Baram-Tsabari’s (Citation2022) article is considered in light of prior work by other science communication scholars. Attention then shifts to what our own research has revealed as an important absence in Lewenstein and Baram-Tsabari’s (Citation2022) framework, namely the lack of attention given to training in adversarial science communication (e.g. addressing pseudoscience online, public debates). We then end by suggesting ways to attend to this issue, while emphasizing the need for continued field-wide (re)formulation of a common educational vision in/for the teaching and learning of science communication.
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 | 0,018 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,021 | 0,028 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,063 | 0,068 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».