A field-initiated vision of research infrastructure for STEM education
Notice bibliographique
Résumé
STEM education research has historically been under-equipped, relying on standardized tests and questionnaires while other fields deploy space telescopes and particle accelerators. What would happen if we designed research infrastructure for STEM education to address our priority needs? The INTERACT Incubator is a research coordination network whose goal was to develop a field-initiated vision of novel infrastructure that would enable aspirational research that could advance equity in STEM education. The incubator brought together a diverse cohort of experimental social psychologists who study social cues in STEM, experimental cognitive psychologists who study learning in authentic classroom settings, as well as education stakeholders and technologists with expertise in digital infrastructure for education. In Phase 1 we conducted a needs assessment, where we brainstormed aspirational research studies and identified three core infrastructure requirements: coordinated data collection and measurement systems, sustainable large-scale research–practice partnership frameworks, and knowledge repositories combined with professional learning networks. In Phase 2 we designed an integrated solution to address these needs. The INTERACT Incubator’s solution differs from existing research infrastructure because ours was systematically designed to address research needs identified by the field itself, rather than building research services on top of existing research capacities or operational systems. This commentary documents a consensus vision for novel infrastructure that would enable the research needed to achieve meaningful progress in STEM education.
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 | 0,163 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,028 |
| Communication savante | 0,024 | 0,034 |
| Science ouverte | 0,007 | 0,018 |
| Intégrité de la recherche | 0,019 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
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 ».