MétaCan
Menu
Retour à la cohorte
Enregistrement W4416093248 · doi:10.3991/ijep.v15i6.56353

Understandings of Social Justice in Engineering Education

2025· article· W4416093248 sur OpenAlexaff
Analiya Benny, Libby Osgood

Notice bibliographique

RevueInternational Journal of Engineering Pedagogy (iJEP) · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésSocial justiceElement (criminal law)Economic JusticeSocial engineering (security)Engineering educationPoliticsExploratory researchRoot (linguistics)

Résumé

récupéré en direct d'OpenAlex

Despite being a core element in the engineers’ code of ethics, social justice is rarely discussed in engineering classrooms. International service-learning experiences offer opportunities to explore complex, socially relevant problems. Seven participants’ responses to surveys administered before and after an engineering design experience were analyzed to assess the participants’ understanding of social justice. Employing Leydons and Lucena’s six social justice criteria as a framework, we found all six criteria present in the participants’ responses, with all participants demonstrating contextual listening. Four participants’ responses aligned with all six criteria, indicating their desire to discuss social justice topics. Seven sub-themes were identified and include empathy, interest in people and culture, human-centered design, root cases, limited resources, personal agency, and the role of the engineering profession. The participants advocated for human-centered design, but their language did not include the community as co-designers. Also, the participants identified the complex political and economic nature of real-world problems, and they developed their engineering identities through the experience. This exploratory study seeks to encourage engineering educators to facilitate social justice discussions and to offer ill-structured, real-world problems to students.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,365
Écart entre enseignants0,341 · 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.

Devis d'étudeSans objet
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 revueInternational Journal of Engineering Pedagogy (iJEP)Même sujetService-Learning and Community EngagementTravaux en français237 207