MétaCan
Menu
Retour à la cohorte
Enregistrement W4411274018 · doi:10.31756/jrsmte.4120si

Bridging Art and Science: Engaging Girls in the Physics of Sound Through a Transdisciplinary STEAM Approach

2025· article· en· W4411274018 sur OpenAlexaff
Narges Mansouri

Notice bibliographique

RevueJournal of Research in Science Mathematics and Technology Education · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésBridging (networking)Sound (geography)Visual artsMathematics educationPhysicsArtComputer scienceAcousticsPsychology

Résumé

récupéré en direct d'OpenAlex

This study explores how adopting a transdisciplinary STEAM (Science, Technology, Engineering, Arts, and Mathematics) approach can deepen elementary-aged girls’ engagement with science by integrating artistic expression and scientific inquiry. Building on a shift from a multidisciplinary model—where disciplines remain adjacent—to a transdisciplinary one—where they are interwoven—the research investigates the impact of a one-day workshop for Grade 3 and 4 students centered on sound graph analysis. Framed by the 5E Instructional Model and guided by a focused ethnography methodology, the workshop invited students to interpret and represent sound visually, creating an embodied and intuitive bridge between art and science. Findings reveal that this seamless integration promoted higher engagement, particularly among girls, by connecting abstract scientific concepts to their personal and sensory experiences. The transdisciplinary framework fostered both analytical and creative thinking, validating students’ diverse modes of understanding. This approach not only made science more accessible but also challenged traditional gendered perceptions of STEM fields. The study underscores the potential of transdisciplinary STEAM education to create more inclusive learning environments and to empower young girls to see themselves as capable science learners through the lens of creativity and everyday relevance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,005
Communication savante0,0050,003
Science ouverte0,0010,010
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,499
Écart entre enseignants0,389 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Science Mathematics and Technology EducationMême sujetCreativity in Education and NeuroscienceTravaux en français237 207