A Compilation, Analysis, and Categorization of 403 Atmospheric and Climate Science Misconceptions
Notice bibliographique
Résumé
The National Association of Geoscience Teachers (NAGT) has listed the inaccessibility of research related to misconceptions in atmospheric and climate science as a Geoscience Education Research Grand Challenge (Cervato et al. 2018). This project was a direct response to this call for research and consisted of three distinct steps: 1) data gathering, which included reviewing the literature for relevant misconception data, 2) a qualitative analysis, which included compiling, organizing, and categorizing the data collected, and 3) a quantitative analysis, which included determining the prevalence of each misconception across topic categories, demographic categories, and over time. A total of 403 misconceptions related to atmospheric and climate science have been identified. Of those misconceptions, nearly half (approximately 47%) were related to climate change. A little less than a third of the misconceptions (approximately 32%) were related to fundamental atmospheric science topics. Finally, less than a quarter of the misconceptions (22%) were related to general climate concepts (excluding climate change). Of the 403 misconceptions, 80% were identified in students, 16% were identified in teachers and 4% were identified in both students and teachers. Most of the identified misconceptions have not been well-studied. In fact, 74% of the identified misconceptions were only identified by a single study, and only 1.5% were identified by five or more studies. This compilation of misconceptions can serve as a guide for future misconceptions research and as a resource for educators. Advisor: Dawn Kopacz
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 | 0,018 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,045 | 0,023 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».