Notice bibliographique
Résumé
Humanity and much else on earth appear to be facing existential crises, like the climate emergency, and ongoing problems like cancer that may interact with other crises and create much worse polycrises. Although fields of science, technology, engineering and mathematics (STEM) are involved in many such crises, many analysts suggest that ultimate blame—while invariably uncertain—should be mainly directed at capitalists. It is apparent, that financiers and corporations have been highly successful at assembling massive ‘teams’ (‘dispositifs’) of supporters—including numerous other living (e.g., politicians and STEM workers), nonliving (e.g., massive extraction machines) and symbolic (e.g., ‘efficiency’) entities into extensive and deep assemblages promoting values like competitiveness, individualism and costs externalisations. Their complexity seems to make them highly resistant to change. In this article, a pedagogical schema is described and defended (with examples) that may help generate more citizens willing and able to critique relationships among STEM and other societal members and environments (STEM-SE) and independently develop and implement well-researched and negotiated powerful actions to overcome STEM-SE harms of their concern. Among many factors affecting the schema’s successes, it seemed very helpful that the local curriculum was congruent, the teacher had more holistic and critical views about science, such as regarding its economic relations, and because the teacher agreed to directly teach students, with application activities, several possibly problematic STEM-SE relationships and sample possibly rectifying actions. STEM education schema like that, however, only seem broadly feasible with concerted community efforts to build more global ecojustice dispositifs.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».