Reorienting Toward LGBTQ+ Belonging in Science, Technology, Engineering, and Mathematics by Feeling and Thinking With a Queer and Nonbinary Person in Virtual Reality
Notice bibliographique
Résumé
ABSTRACT As part of the special issue Centering Affect and Emotion Toward Justice and Dignity in Science Education, this paper analyzes participants' experiences playing an immersive virtual reality (VR) experience that explores gender and sexuality‐based marginalization in STEM fields. The VR experience, designed and developed by the author and collaborators, addresses cisheteronormative ideologies embedded in science education by reimagining traditional STEM objects in queer representational forms while engaging players in a branching narrative dialog about gender and sexuality‐based oppression. My findings include three in‐depth analyses of participants' moment‐to‐moment interactions while playing the VR application. I argue that extending queer phenomenological approaches in education through the complimentary combination of ideological stance‐taking and emotional configurations can highlight how people become reoriented toward solidarity with marginalized people in moment‐to‐moment interactions. I focus my analysis on how participants' emotions, elicited by the VR experience, became the pivot for their ideological reorientations in solidarity with the VR narrator. In particular, the VR stories and research excerpts I have shared give concrete examples of how LGBTQ+ people are harmed in STEM learning environments. The analysis reveals how participants made choices in the branching narrative that showed emotional configurations of care toward the marginalized VR narrator and demonstrated recognition of how sociopolitical/socioscientific systems fail LGBTQ+ people. Further, I argue how designing learning environments that reorient learners toward social justice and solidarity with marginalized people could be productively used to engage people in challenging dominant cisheteronormative framings embedded in STEM education.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,017 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».