Creative approaches for 21st‐century Science, Technology, Engineering, and Mathematics teacher education: From theory to practice to policy
Notice bibliographique
Résumé
From theory to practice to policyThis special issue addresses two crucial questions that teacher educators have been grappling with for nearly half a century: What qualities, attitudes, and skills should be nurtured in Science, Technology, Engineering, and Mathematics (STEM) teachers during their education (Ben-David Kolikant et al., 2020a, 2020b)?Additionally, how can we effectively connect research, practice, and policy in STEM teacher education to incorporate innovative 21st-century approaches?The authors contributing to this special issue aimed to explore creative strategies and programs for STEM teacher preparation and professional development, made possible by the advancements in educational technology, STEM education research, and our evolving understanding of student engagement in STEM learning.STEM education has long been a focal point of interest for governments, educators, and industry leaders (Kleinschmit et al., 2023).STEM disciplines equip students with essential 21st-century skills such as real-world problem-solving, knowledge construction, communication, and collaboration (Stehle & Peters-Burton, 2019).However, the constant and often rapid evolution of these fields presents significant challenges for integrating new developments into teacher education programs.This challenge is thoroughly examined by Zhan and Niu (2023), who trace the evolution of STEM education from its early stages.By analyzing keyword frequency in 903 K-12 papers from the Web of Science (WOS) database (published between 2009 and 2023), and 873 papers on higher education (published between 2004 and 2023), the authors highlight a gradual transformation and expansion in the scope of STEM education:In the early stages (2009 to 2014), the subjects of science, technology, engineering, and mathematics played a dominant role, and these subjects were considered to be the core of STEM education.Over time, science subjects such as computer science, arts, physics, and environmental science were gradually incorporated into the STEM education integration pathway.In the post-2019 period, more and more research has emerged in the humanities and social sciences.(Zhan & Niu, 2023, p. 2) This trajectory is clearly reflected in the 'Chongqing Plan' for STEAM teacher preparation (see Lin and Li, in this volume).The researchers then concluded Future work should prioritize the articulation of STEM subject integration between K-12 education and higher education.At the K-12 level, it is necessary to enhance vocational
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 | 0,036 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,035 |
| Communication savante | 0,035 | 0,026 |
| Science ouverte | 0,005 | 0,023 |
| Intégrité de la recherche | 0,021 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».