Fostering STEM identity through storytelling: links to belonging, self-efficacy, classroom climate, and lab performance
Notice bibliographique
Résumé
This study explores how integrating an approach to storytelling, called contextualized storytelling, into the laboratory classroom may be related to students’ self-efficacy, sense of belonging, classroom climate, and lab performance. Contextualized storytelling is designed to help students connect academic content to their lived experiences through personalized narratives. Depending on the course learning outcomes, students shared their stories in written and multimodal formats. Using a mixed-methods case study design, data were collected from 105 first-year students enrolled in General Chemistry I and II through pre- and post-course surveys, storytelling artifacts, and semi-structured interviews. Quantitative findings revealed that storytelling reflection, scientific accuracy, and effort were significantly associated with higher levels of self-efficacy, and all three dimensions positively correlated with both story-based and traditional lab grades. Storytelling creativity also showed a modest positive relationship with students’ perceived improvement in disciplinary belonging. A t -test revealed that women scored significantly higher than men in scientific accuracy and storytelling grades, suggesting gender-based differences in narrative engagement. In addition, while General Chemistry II students achieved higher academic outcomes overall, General Chemistry I students demonstrated stronger personal connections in their storytelling, pointing to distinct affective engagement across courses. Interview data identified effort, personal connection, and group sharing as the storytelling features students found most meaningful to their learning. Together, these results suggest that storytelling connects academic engagement, reflective thinking, and STEM identity development while contributing to inclusive and supportive learning environments. This research offers practical guidance for post-secondary instructors aiming to enhance assessment quality and student connection through narrative-based pedagogy.
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 | 0,015 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».