Cultivating Curiosity and Metacognition Through SDG-Focused Problem-Based Learning in a Global Classroom
Notice bibliographique
Résumé
Communication and writing skills are critical for employability and leadership in sustainability and STEM fields, but few studies examine how interdisciplinary, problem-based learning (PBL) environments foster these competencies amongst undergraduates. This three-year study examined how human resource management (HRM) and Chemistry students collaborated on Sustainable Development Goal (SDG)-themed projects within a Global Classroom model. We used LIWC-22, a validated text analysis tool to assess students’ written reflections about their discipline-specific PBL exercises (e.g., debates about UBI) and their SDG-focused inter-disciplinary group projects (e.g., vaccine access). We found that the HRM students (n = 84) demonstrated increased use of curiosity and cognition language during in-person and synchronous collaboration contexts. Chemistry students collaborating synchronously with their HRM teammates exhibited enhanced curiosity in their writing, though findings for this group are tentative due to the small sample size. Our findings suggest that both discipline-specific and SDG-focused interdisciplinary PBL activities can improve undergraduates’ metacognitive skills and their curiosity, which are critical for addressing sustainability challenges. Our Global Classroom offers a scalable model of how SDG-focused PBL activities can be used to create collaborations between STEM and management undergraduates and enable them to develop context-specific solutions for global sustainability challenges while improving their communication and writing.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».