Loose parts play encourages spontaneous science, technology, engineering, and mathematics (STEM) behaviours
Notice bibliographique
Résumé
Children incorporate items found in their environment into their play, transforming everyday objects and materials into an opportunity for exploration. Termed loose parts, these versatile, natural, or manufactured materials (e.g., cardboard, pipes, buttons, sticks) are widely recommended for supporting children's early STEM learning. Limited empirical work has documented children's indoor STEM behaviours with loose parts. Using a within-subjects experimental design, we examined children's early STEM behaviours and engagement (N = 60; 32 females, 28 males; Mage = 58.6 months, SD = 10.9) during unstructured solitary play with loose parts and toys that have limited function and affordance (e.g., toy percussion instruments; control). We conducted observations of children's STEM behaviours. Children's cognitive functioning, executive function, and home learning environment were also assessed via standardized measures and parent reports. Children demonstrated significantly more STEM behaviours with loose parts than in the control condition. There was no credible evidence that these behaviours differed by sex. Cognitive functioning predicted STEM Engagement Score with loose parts, with children's verbal comprehension being the strongest predictor in the control condition. Children's executive function and parents' attitudes regarding play and engagement in play activities at home predicted constructing structures, which were the most common STEM behaviours. This study thus demonstrates that loose parts may offer a powerful opportunity for STEM-related early learning; however, children's cognitive capacities and home experiences should be considered, rather than assuming uniform benefits.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».