Whose Knowledge Counts? Decolonial and Anticolonial Reckonings in STEM Education
Notice bibliographique
Résumé
Globally, science, technology, engineering, and mathematics (STEM) education is widely framed as essential to innovation, economic growth, and social progress. These framings, however, often overlook STEM’s long-standing connections to colonialism, empire, and the exclusion of certain forms of knowledge. Decolonial and anticolonial perspectives are used to examine the assumptions about knowledge and reality that shape STEM education. While STEM education has played an important role in scientific and technological development, it has also reinforced hierarchies that marginalize Black, Indigenous, and other non-Western scientific traditions. These hierarchies persist through curriculum design, ideas about ability, language dominance, and universalist practices that treat Euro-Western science as neutral and authoritative. Bringing decoloniality and anticoloniality into conversation makes visible how STEM education has helped sustain exclusionary knowledge systems and colonial ways of knowing. Four recurring myths are identified that continue to structure STEM education and limit possibilities for meaningful change. Rethinking STEM education along these lines is necessary to support epistemic justice and to open space for more plural, relational, and equitable futures. Keywords: decoloniality; anticoloniality; STEM education; epistemic justice; coloniality
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 | 0,017 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,127 |
| Communication savante | 0,016 | 0,025 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,007 |
| 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 ».