What can we learn from 25 years of PUS survey research? Liberating and expanding the agenda
Notice bibliographique
Résumé
This paper reviews key issues of public understanding of science (PUS) research over the last quarter of a century. We show how the discussion has moved in relation to large-scale surveys of public perceptions by tracing developments through three paradigms: science literacy, public understanding of science and science and society. Naming matters here like elsewhere as a marker of "tribal identity." Each paradigm frames the problem differently, poses characteristic questions, offers preferred solutions, and displays a rhetoric of "progress" over the previous one. We argue that the polemic over the "deficit concept" voiced a valid critique of a common sense concept among experts, but confused the issue with methodological protocol. PUS research has been hampered by this "essentialist" association between the survey research protocol and the public deficit model. We argue that this fallacious link should be severed to liberate and to expand the research agenda in four directions: contextualizing survey research, searching for cultural indicators, integrating datasets and doing longitudinal analysis, and including other data streams. Under different presumptions, assumed and granted, we anticipate a fertile period for survey research on public understanding of science.
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 | 0,265 | 0,310 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,008 | 0,032 |
| Communication savante | 0,025 | 0,063 |
| Science ouverte | 0,005 | 0,020 |
| Intégrité de la recherche | 0,012 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».