Bloqueios ao engajamento cívico crítico e ativo na/através da Ciência Escolar: Histórias do Campo
Bibliographic record
Abstract
Por cerca de 50 anos, os educadores de ciências vêm promovendo a educação sobre as relações entre os campos da ciência, tecnologia, sociedades e ambientes ('CTSA'). Embora ajude os alunos a entender a inter- e/ou transdisciplinaridade da ciência e controvérsias relevantes, a educação CTSA geralmente parece muito apolítica. À luz das dificuldades de muitos governos em lidar com danos, como os causados pelas perturbações climáticas que parecem associadas às redes pró-capitalistas globais, parece claro que os educadores em ciências precisam incentivar e permitir que os alunos analisem criticamente as relações CTSA, desenvolvam e adotem ações para enfrentar danos que elas determinam. Embora os educadores tenham tido alguns casos bem sucedidos nesse sentido, eles geralmente são restritos a contextos relativamente raros. Entre os 'bloqueios' para o seu sucesso, parece que as abordagens de educação STEM (Ciência, Tecnologia, Engenharia & Matemática) e de aprendizagem baseada em investigação (IBL) são particularmente poderosas. Em nosso estudo relatado aqui sobre os esforços de quatro professores de ciências para incentivar/permitir o envolvimento cívico ativo e crítico, parece que, embora a educação STEM e a IBL continuam limitando, os professores comprometidos podem desenvolver abordagens inovadoras para alcançar esses objetivos.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.011 | 0.025 |
| Scholarly communication | 0.014 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.007 |
| Insufficient payload (model declined to judge) | 0.014 | 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".