Youth Participation to Solve Relevant, Real-World Sustainability Challenges Using Create2Solve DIY STEAM Kits: My Reflexive Account
Notice bibliographique
Résumé
Young people have the potential to be an investment in their communities, potentially leading solutions to wicked sustainability challenges in developing countries. Still, extant literature highlights that youth of color from low-income neighborhoods are: a) greatly excluded from sustainable development initiatives, and/or b) engaged in learning content that is irrelevant to them. Such deficit-based, tokenistic and alienated learning activities constrict youth engagement and participation, particularly in innovative 21st century learning paradigms, such as science, technology, engineering, arts and mathematics (STEAM) education. In this paper, I present ‘Create2Solve do-it-yourself (DIY) STEAM Kits’, a project developed in collaboration with a non-profit school in at-risk community. The Project is a community- and learner-relevant project which adopts an asset-based, non-tokenistic lens to view and position young people as civic citizens who are both capable and motivated to ‘do STEAM’ for community transformation. Particularly, I offer a reflexive account of my experience of designing and implementing Create2Solve Kits as I worked closely with youth. Towards the end, I present an evaluation of key takeaways learned from my experiences of facilitating this process. Through my reflective analysis, I propose that youth are keen to participate in sustainable development projects, provided that such projects: a) position them as capable and resourceful citizens; b) remain relevant to their local community contexts while helping them improve understanding of complex STEAM concepts; c) allow them to substantially contribute to their personal, community, and societal transformation; and d) foster non-tokenistic participation where their input and decisions drive the work.
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 | 0,026 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».