Consideraciones generales sobre la alfabetización científica en los museos de la ciencia como espacios educativos no formales
Bibliographic record
Abstract
En el presente trabajo hemos tratado de reflexionar sobre el papel de los Museos de la Ciencia como importantes elementos que pueden contribuir significativamente al proceso de la alfabetizacion cientifica de la sociedad, por un lado como elementos complementarios al sistema educativo, durante la educacion formal y reglada, asi como desempenar un papel fundamental en los procesos de divulgacion cientifica orientada hacia los ciudadanos en terminos generales cubriendo un papel muy importante en lo que se ha dado en denominar la educacion no formal. Intentaremos precisar una serie de terminos al respecto como Educacion formal, no formal e informal segun los distintos tipos de situaciones educativas. Intentaremos establecer una serie de funciones de la Divulgacion cientifica a las que deben atender los Museos al menos en cierta medida, para acabar estableciendo de acuerdo con el profesor Legendre y el GREM de la Universidad de Quebec una forma de utilizacion del museo con fines educativos. Por ultimo, trataremos de exponer de acuerdo con Hein una aplicacion de las teorias del aprendizaje y del conocimiento a la categorizacion de los museos. Asi, intentaremos comprender las aportaciones del constructivismo a la concepcion de los museos de la Ciencia y finalizaremos enumerando una serie de principios basicos de museologia cientifica.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.012 | 0.029 |
| Scholarly communication | 0.015 | 0.009 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".