MétaCan
Menu
Retour à la cohorte
Enregistrement W4414872686 · doi:10.1145/3736251.3754330

Hands-on Strategies for Teaching Social and Societal Impacts of Computing

2025· article· en· W4414872686 sur OpenAlexaff
Stan Kurkovsky, Manee Ngozi Nnamani, Aaron Hunter, Olatunde Sobomehin, Grant Braught, Michael Goldweber

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender and Technology in Education
Établissements canadiensBritish Columbia Institute of Technology
Organismes subventionnairesNational Science Foundation
Mots-clésViewpointsAgency (philosophy)Experiential learningSocietal impact of nanotechnologyBridge (graph theory)Cognitive reframingFlexibility (engineering)Empathy

Résumé

récupéré en direct d'OpenAlex

The topic of hands-on strategies for teaching the social and societal impacts of computing is of growing interest to the computer science education community because it addresses a critical gap in traditional CS curricula. While technical skills remain central, educators increasingly recognize the need to prepare students for the ethical, social, and human-centered challenges posed by modern computing technologies. From AI-driven decision-making to digital accessibility and data privacy, computing profoundly affects individuals and communities, making it essential for students to engage with these issues through experiential learning. Different viewpoints on this topic emerge based on pedagogical approaches, disciplinary perspectives, and technological optimism or skepticism. Some educators advocate for integrating service-learning and community-based projects, arguing that real-world engagement fosters empathy and ethical awareness. Others emphasize case studies and simulations, providing structured exposure to societal challenges without the unpredictability of external partnerships. Additionally, viewpoints may diverge on the role of AI: while some see AI tools as an opportunity to enhance social good, others worry they may exacerbate biases and reduce human agency in computing. Despite these differences, there is broad agreement that computing education must go beyond technical training to include a deeper understanding of computing's role in society. To bridge this big-picture overview with practical action, the panel will discuss six complementary, hands-on strategies ranging from service-learning studios and virtue-anchored 3Cs project lessons to indigenous game modules, intergenerational tech pop-ups, humanitarian FOSS work, and ethics-infused case-study frameworks. Together, they offer diverse yet transferable ways to tackle the shared challenge of embedding social impact into computing coursework.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,635
Score d'incertitude au seuil0,426

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,409
Écart entre enseignants0,374 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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 sujetGender and Technology in EducationTravaux en français237 207