Deconstructing inclusive STEM education: Understanding the racialized and gendered experiences of women of colour in secondary STEM education in Canada through counter-storytelling
Notice bibliographique
Résumé
Les femmes racisées restent exclues des domaines des sciences, de la technologie, de l’ingénierie et des mathématiques (STIM) malgré les efforts pour promouvoir l'équité, la diversité et l’inclusion. Les recherches existantes souvent adoptent une thèse du déficit et négligent l’intersection de la race et du genre. Cette recherche se concentre sur les expériences des femmes racisées en éducation STIM dans l’école secondaire au Canada, utilisant la théorie critique de la race et la méthodologie du contre-récit pour explorer ces intersections. Utilisant les histoires de neuf femmes, trois d’Asie de l’Est, trois d’Asie du Sud et trois Noires, cette recherche remet en question les efforts d’équité qui reflètent les intentions néolibérales et donnent la priorité à l’avantage de l’État plutôt qu’aux individus des groupes marginalisés. Les histoires individuelles et collectives des femmes racisées illuminent les discours sur la race et le genre, incluent le discours du mythe de la minorité modèle et l’anti-noirité dans le contexte de l’enseignement de STIM au Canada
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,029 | 0,023 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».