Empowering diversity in science, technology, engineering, and mathematics through university-led engineering outreach programs for K–12 students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite the recognized value of science, technology, engineering, and mathematics (STEM) education, significant barriers prevent equitable access to STEM learning opportunities, particularly for young individuals. These barriers range from limited access to quality STEM resources and insufficient support for educators to financial constraints associated with pursuing higher education in STEM fields. More profoundly, systemic issues such as stereotype threats, lack of role models, and educational disparities further exacerbate the underrepresentation of women, disabled individuals, and Black, Indigenous, and persons of color (BIPOC) in STEM disciplines (Gichuru, 2024; Klimaitis and Mullen, 2024; Mahmoud et al., 2024; Rahm and Moore, 2016). This underrepresentation leads to a diversity gap within the STEM workforce and hinders the breadth of perspectives and innovation in solving pressing global issues. <p xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">Addressing these challenges requires concerted efforts to make STEM education more accessible and appealing to all young people, particularly those from underrepresented backgrounds. Ontario Tech University (OTU)’s Engineering Outreach programs respond to this need by inspiring and engaging over 40,000 young individuals annually through workshops and other events and activities focused on STEM. These initiatives are specifically designed to target young women and underrepresented groups, encouraging their pursuit of engineering careers and mitigating the barriers to STEM education. By examining the effectiveness of Ontario Tech’s Engineering Outreach programs, we can gain insights into strategies that successfully increase participation and create opportunities for underrepresented youth in STEM fields.
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.
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 | 0,001 | 0,001 |
| 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 découle