• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Andra
    Vilka förebilder är bäst för STEM? Forskare ger rekommendationer i ny analys

    Kredit:Pixabay/CC0 Public Domain

    En analys av vilken effekt rollmodeller har på elevers motivation i att studera STEM-ämnen pekar på nya sätt att distribuera dessa ledare för att uppmuntra lärande över olika populationer. Rekommendationerna utgör en resurs för föräldrar, lärare och beslutsfattare som försöker maximera förebilders inverkan på att diversifiera områdena naturvetenskap, teknik, teknik och matematik.

    "STEM-fält misslyckas med att attrahera och behålla kvinnor såväl som rasistiska och etniska minoriteter i antal som är proportionella mot deras andel av befolkningen", förklarar Andrei Cimpian, professor vid New York Universitys psykologiska institution och ledande författare till tidningen, vilket verkar i International Journal of STEM Education . "En populär metod för att diversifiera STEM-arbetsstyrkan har varit att introducera studenter till STEM-förebilder, men mindre tydligt är hur effektivt detta tillvägagångssätt är – helt enkelt för att det inte är säkert vilka förebilder som resonerar med olika studentpopulationer."

    "Våra rekommendationer, baserade på en analys av över 50 studier, syftar till att säkerställa att STEM-förebilder är motiverande för studenter med alla bakgrunder och demografier", tillägger huvudförfattaren Jessica Gladstone, en postdoktor vid NYU vid tidpunkten för studien och nu en forskare vid Virginia Commonwealth University.

    Marian Wright Edelman, grundare och president emerita av Children's Defense Fund, populariserade frasen "Du kan inte vara vad du inte kan se", som betonade vikten av att ha förebilder som olika befolkningsgrupper kunde identifiera sig med.

    Medan många har hävdat att att utsätta elever för förebilder är ett effektivt verktyg för att diversifiera STEM-fält, är bevisen som stöder denna position blandade. Dessutom, konstaterar forskarna, är argumentet vagt, vilket lämnar öppna frågor om under vilka förhållanden och för vilka populationer förebilder kan vara användbara för detta ändamål.

    Gladstone och Cimpian försökte skapa mer klarhet i denna viktiga fråga genom att omformulera frågan. Istället för att fråga "Är förebilder effektiva?", ställde de en mer specifik – och potentiellt mer informativ – fråga:"Vilka förebilder är effektiva för vilka elever?"

    När de tog upp det granskade de 55 studier om elevers STEM-motivation som en funktion av flera nyckelfunktioner hos förebilder – deras upplevda kompetens, deras upplevda likhet med eleverna och upplevda huruvida deras framgång kan uppnås. De undersökte också hur egenskaper hos eleverna själva, såsom deras kön, ras/etnicitet, ålder och identifikation med STEM, modulerar effektiviteten hos förebilder.

    Baserat på denna recension, extraherade duon fyra rekommendationer utformade för att säkerställa att STEM-förebilder är motiverande för elever med alla bakgrunder och demografier – ett viktigt steg mot diversifiering av STEM (en infografik som illustrerar rekommendationerna kan laddas ner från den här länken).

    De fyra rekommendationerna är följande:

    • Förebilder bör framställas som kompetenta och framgångsrika.

    "Den övervägande delen av de granskade bevisen tydde på att dessa egenskaper är motiverande i en förebild", skriver författarna. "Men att skildra extrema nivåer av förebildskompetens eller framgång kan slå tillbaka och demotivera eleverna. Även om det kan vara frestande att få förebilden att verka som en superhjälte i termer av vad de har uppnått, är mer inte alltid bättre i detta avseende eftersom eleverna kan dra slutsatsen "jag skulle aldrig kunna göra allt det där" och leta någon annanstans efter en karriär."

    • Förebilder bör framställas som att de på ett meningsfullt sätt liknar eleverna.

    "Även om det faktum att en förebild tillhör samma sociala grupp som de kan i och för sig vara motiverande för vissa elever", konstaterar Gladstone och Cimpian, "kan modellens motivationseffekter breddas genom att lyfta fram annat i> sätt som modellen liknar eleverna på – till exempel arbetade modellen hårt för deras framgång, snarare än att vara briljant utan ansträngning, och modellen gillar att göra "vanliga" saker på fritiden. Att be eleverna att reflektera över likheter med förebilden kan också hjälpa."

    • Prioritera exponering för förebilder som tillhör grupper som traditionellt är underrepresenterade i STEM, särskilt i de fall där endast ett litet antal förebilder kan presenteras.

    "Modeller från underrepresenterade grupper kommer sannolikt att ha de bredaste positiva effekterna på eleverna, oavsett elevernas egna sociala identiteter", konstaterar författarna. "För att undvika att lägga en extra börda på forskare från underrepresenterade grupper skulle de kunna introduceras för studenter via videor eller tryckt material – snarare än live – eftersom detta material kan presenteras för ett stort antal elever utan någon extra ansträngning från förebildens sida och är minst lika effektiva som liveinteraktioner."

    • Förebilders framgång bör framställas som uppnåbar.

    "I största möjliga utsträckning bör information åtfölja exponeringen för förebilden som gör det tydligt hur eleverna också skulle kunna uppnå det som modellen har uppnått", förespråkar Gladstone och Cimpian. "Den kanske största risken för att demotivera eleverna uppstår när en förebilds karriärframgång verkar ouppnåelig för eleverna."

    © Vetenskap https://sv.scienceaq.com