Will I fit? The impact of social and identity determinants on teamwork in engineering education
Notice bibliographique
Résumé
In engineering as with many STEM spaces, the environment delivers many cues that affect psychological fit, which affects choices students make. Teamwork experiences can be particularly challenging for equity-deserving students. Using focus groups at a medium-sized multi-cultural Canadian university, we examined how engineering students navigated and experienced teamwork and how that interacted with social determinants (e.g., money and time constraints) and identity, including gender, race, and sexuality. We used the framework of State Authenticity as Fit to Environment to develop themes of teamwork choices, experiences, and outcomes. Social fit (respect from peers) and self-concept fit (whether self-image matches stereotype) affected many choices and experiences including selection of teammates with similar identities or allies. Women and low socio-economic status students sought self-concept fit by avoiding coding within teams. Visibly under-represented students felt pressure to excel to validate self-concept fit. The team environment itself sent messages about social and self-concept fit to many students, though the focus on collaboration and applications with social benefits often aligned with goal fit. These fit-guided choices and threats to fit nudged many students away from engineering careers. Interventions to address factors that cause negative experiences for marginalized students include strategic group composition, supporting mentorship and affinity groups, rotating group roles, structured collaboration, inclusive teamwork training and increasing diversity.
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 | 0,000 | 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 ».