Достижения науки: Достижения науки

Ученые прогнозируют влияние сжигания угля и ископаемого топлива на температуру планеты уже более 100 лет. В выпуске Popular Mechanics за 1912 год содержится статья под названием «Замечательная погода 1911 года: влияние сжигания угля на климат — что ученые предсказывают на будущее», заголовок которой гласит: «Печи мира сейчас сжигают около 2 000 000 000 тонн угля в год. Когда он сгорает, соединяясь с кислородом, он ежегодно добавляет в атмосферу около 7 000 000 000 тонн углекислого газа. Это делает воздух более эффективным одеялом для земли и повышает ее температуру. Эффект может быть значительным через несколько столетий».

Всего один век спустя, а эффект действительно значителен. Увеличение выбросов парниковых газов в атмосферу привело к повышению глобальной температуры, причем последние пять лет (с 2014 по 2018 год) были самыми жаркими за всю историю наблюдений. 2016 год стал самым жарким с тех пор, как Национальное управление океанических и атмосферных исследований (NOAA) начало регистрировать глобальную температуру 139 лет назад. Последствия этого глобального изменения включают более частые и разрушительные лесные пожары, более частые засухи, ускорение таяния полярных льдов и усиление штормовых нагонов. Калифорния горит, Венеция затопляется, количество смертей от жары в городах растет, а бесчисленные прибрежные и островные сообщества сталкиваются с экзистенциальным кризисом, не говоря уже об экологическом хаосе, вызванном изменением климата, который подавляет способность планеты вытягивать углерод из атмосферы. .

В 2015 году Рамочная конвенция Организации Объединенных Наций об изменении климата (РКИК ООН) достигла консенсуса в отношении действий по борьбе с изменением климата, известного как Парижское соглашение. Основная цель Парижского соглашения — ограничить повышение глобальной температуры на 1,5 градуса по Цельсию по сравнению с доиндустриальным уровнем. Для достижения этой цели потребуются серьезные социальные преобразования, в том числе замена ископаемого топлива чистой энергией, такой как энергия ветра, солнца и атомной энергии; реформирование методов ведения сельского хозяйства для ограничения выбросов и защиты лесных массивов; и, возможно, даже создание искусственных средств удаления углекислого газа из атмосферы.

Редактирование генов

Способность модифицировать геномы для предотвращения болезней или изменения физических признаков значительно расширилась за последнее десятилетие.

iStock / Natali_Mis

С тех пор, как в начале 1950-х годов была открыта структура двойной спирали ДНК, ученые выдвинули гипотезу о возможности искусственного модифицирования ДНК для изменения функций организма. Первое одобренное испытание генной терапии состоялось в 1990 году, когда четырехлетней девочке удалили собственные лейкоциты, аугментировали генами, вырабатывающими фермент, называемый аденозиндезаминазой (АДА), а затем повторно ввели в ее тело для лечения АДА. дефицит, генетическое состояние, которое препятствует способности иммунной системы бороться с болезнью. Организм пациентки начал вырабатывать фермент АДА, но новые лейкоциты с исправленным геном не вырабатывались, и ей пришлось продолжать инъекции.

Теперь генная инженерия стала более точной и доступной, чем когда-либо прежде, во многом благодаря новому инструменту, впервые использованному для модификации эукариотических клеток (сложных клеток с ядром) в 2013 году: CRISPR-Cas9. Инструмент редактирования генов работает, обнаруживая целевой участок ДНК и «вырезая» этот участок с помощью фермента Cas9. Необязательный третий шаг включает замену удаленного участка ДНК новым генетическим материалом. Этот метод можно использовать для широкого спектра применений, от увеличения мышечной массы скота до выращивания устойчивых и урожайных культур, до лечения таких заболеваний, как рак, путем удаления клеток иммунной системы пациента, модификации их для лучшей борьбы с болезнью и повторного введения. их в организм пациента.

В конце 2018 года китайские исследователи под руководством Хе Цзянькуя объявили, что они использовали CRISPR-Cas9 для генетической модификации человеческих эмбрионов, которые затем были перенесены в матку женщины, что привело к рождению девочек-близнецов — первых детей с отредактированным геномом. Геномы близнецов были изменены, чтобы сделать девочек более устойчивыми к ВИЧ, хотя генетические изменения могли также привести к непреднамеренным изменениям. Эта работа была широко осуждена научным сообществом как неэтичная и опасная, что свидетельствует о необходимости более строгих правил использования этих новых мощных инструментов, особенно когда речь идет об изменении ДНК эмбрионов и использовании этих эмбрионов для рождения живых детей.

Тайны других миров раскрыты

Изображение Титана и Сатурна в естественных цветах, полученное космическим кораблем НАСА «Кассини» 6 мая 2012 года на расстоянии примерно 483 000 миль (778 000 километров) от Титана.

НАСА / JPL-Калифорнийский технологический институт / Институт космических наук

Космические корабли и телескопы за последнее десятилетие предоставили огромное количество информации о мирах за пределами нашего собственного. В 2015 году зонд «Новые горизонты» прошел мимо Плутона, проведя первые наблюдения за карликовой планетой и ее спутниками. Космический корабль показал удивительно динамичный и активный мир с ледяными горами, достигающими высоты почти 20 000 футов, и изменчивыми равнинами, возраст которых не превышает 10 миллионов лет, а это означает, что геология постоянно меняется. Тот факт, что Плутон, который находится в среднем на расстоянии 3,7 миллиарда миль от Солнца, что примерно в 40 раз превышает расстояние до Земли, настолько геологически активен, предполагает, что даже холодные, далекие миры могут получать достаточно энергии для обогрева своих недр, возможно, с жидкими подземными водами. или даже жизнь.

Чуть ближе к дому космический корабль «Кассини» вращался вокруг Сатурна в течение 13 лет, закончив свою миссию в сентябре 2017 года, когда НАСА намеренно погрузило космический корабль в атмосферу Сатурна, чтобы он сгорел, а не продолжал вращаться вокруг планеты после того, как исчерпал свой ресурс. топливо. Во время своей миссии «Кассини» обнаружил процессы, питающие кольца Сатурна, наблюдал глобальный шторм, окружающий газовый гигант, нанес на карту большой спутник Титан и нашел некоторые ингредиенты для жизни в шлейфах ледяного материала, извергающегося из водянистого спутника Энцелада. В 2016 году, за год до окончания миссии «Кассини», космический аппарат «Юнона» прибыл к Юпитеру, где он измерял магнитное поле и атмосферную динамику самой большой планеты Солнечной системы, чтобы помочь ученым понять, как Юпитер — и все остальное вокруг солнце — первоначально сформированное.

В 2012 году марсоход Curiosity приземлился на Марсе, где он сделал несколько важных открытий, в том числе новые доказательства присутствия воды на Красной планете в прошлом, присутствие органических молекул, которые могут быть связаны с жизнью, и загадочные сезонные циклы метана и кислорода, которые намекают на динамичный мир под поверхностью. В 2018 году Европейское космическое агентство объявило, что данные георадара с космического корабля Mars Express предоставили убедительные доказательства существования жидкого резервуара с водой под землей недалеко от южного полюса Марса.

Тем временем два космических телескопа, Kepler и TESS, обнаружили тысячи планет, вращающихся вокруг других звезд. Kepler был запущен в 2009 году и завершил свою миссию в 2018 году, открыв загадочные и далекие планеты, измерив уменьшение света, когда они проходят перед своими звездами. К таким планетам относятся горячие Юпитеры, которые обращаются вокруг своих звезд всего за несколько дней или часов; мини-Нептуны, которые имеют размер между Землей и Нептуном и могут быть газообразными, жидкими, твердыми или иметь некоторую комбинацию; и суперземли, большие каменистые планеты, которые астрономы надеются изучить на наличие признаков жизни. TESS, запущенный в 2018 году, продолжает поиск преемника Кеплера. Космический телескоп уже открыл сотни миров, а до окончания миссии может найти 10 000 или даже 20 000.

Ископаемые пигменты раскрывают цвета динозавров

Реконструированный цветовой узор Sinosauropteryx на основе пигментации ископаемого оперения.

Фианн М. Смитвик и др. / Актуальная биология 27.21 3337-3343

Десятилетие началось с революции в палеонтологии, когда ученые впервые увидели истинную окраску динозавров. Во-первых, в январе 2010 года анализ меланосом — органелл, содержащих пигменты — в окаменелых перьях Sinosauropteryx , динозавр, живший в Китае около 120–125 миллионов лет назад, показал, что доисторическое существо имело «красновато-коричневые тона» и полосы вдоль хвоста. Вскоре после этого полная реконструкция тела показала окраску маленького пернатого динозавра, жившего около 160 миллионов лет назад, Anchiornis , у которого были черно-белые перья на теле и яркое перо из красных перьев на голове.

Изучение окаменелых пигментов продолжает раскрывать новую информацию о доисторической жизни, намекая на потенциальные стратегии выживания животных, показывая свидетельства противотени и камуфляжа. В 2017 году удивительно хорошо сохранившийся бронированный динозавр, живший около 110 миллионов лет назад, 9Было обнаружено, что 0009 Borealopelta имеет красновато-коричневые тона, помогающие сливаться с окружающей средой. Эта новая способность идентифицировать и изучать цвета динозавров будет продолжать играть важную роль в палеонтологических исследованиях, поскольку ученые изучают эволюцию прошлой жизни.

Переопределение основной единицы массы

Весы Киббла NIST-4, электромагнитные весы, используемые для измерения постоянной Планка и, в свою очередь, переопределения килограмма.

Дженнифер Лорен Ли / NIST

В ноябре 2018 года ученые-измерители всего мира проголосовали за официальное изменение определения килограмма, основной единицы массы. Вместо того, чтобы основывать килограмм на объекте — цилиндре из сплава платины и иридия размером с мяч для гольфа — новое определение использует константу природы для установки единицы массы. Это изменение заменило последний физический артефакт, используемый для определения единицы измерения. (Шкала метра была заменена в 1960 году определенным количеством длин волн излучения криптона, например, а позже обновлена, чтобы определить метр в соответствии с расстоянием, которое свет проходит за крошечную долю секунды. )

Используя сложную машину для взвешивания, известную как весы Киббла, ученые смогли точно измерить килограмм в соответствии с электромагнитной силой, необходимой для его удержания. Затем это электрическое измерение можно было бы выразить через постоянную Планка — число, первоначально использовавшееся Максом Планком для расчета пучков энергии, исходящих от звезд.

Килограмм был не единственной единицей измерения, определение которой недавно было изменено. Изменения в Международной системе единиц, официально вступившие в силу в мае 2019 г., также изменил определение ампера, стандартной единицы электрического тока; кельвин единица измерения температуры; и моль, единица количества вещества, используемая в химии. Изменения в килограмме и других единицах измерения позволят проводить более точные измерения небольших количеств материалов, таких как фармацевтические препараты, а также дадут ученым всего мира доступ к основным единицам измерения, а не к определению их в соответствии с объектами, которые необходимо воспроизвести и откалибровать. небольшим количеством лабораторий.

Первое секвенирование генома древнего человека

Художественное изображение 1500-летнего водного захоронения в Леванлухте, Финляндия, где была извлечена древняя ДНК.

Кертту Майандер

В 2010 году ученые получили новый инструмент для изучения древнего прошлого и людей, населявших его. Исследователи использовали волосы, сохранившиеся в вечной мерзлоте, для секвенирования генома человека, жившего около 4000 лет назад на территории современной Гренландии, и выявили физические черты и даже группу крови представителя одной из первых культур, поселившихся в этой части Земли. мир. Первая почти полная реконструкция генома из древней ДНК открыла антропологам и генетикам возможность узнать больше о культурах далекого прошлого, чем когда-либо прежде.

Извлечение древней ДНК — непростая задача. Даже если генетический материал, такой как волосы или кожа, сохраняется, он часто загрязнен ДНК микробов из окружающей среды, поэтому для выделения ДНК древнего человека необходимо использовать сложные методы секвенирования. Совсем недавно ученые использовали каменистую кость черепа, очень плотную кость возле уха, для извлечения древней ДНК.

Тысячи древних человеческих геномов были секвенированы с момента первого успеха в 2010 году, раскрывая новые подробности о подъеме и падении потерянных цивилизаций и миграции людей по всему миру. Изучение древних геномов выявило многочисленные волны миграции туда и обратно через замерзший Берингов мост между Сибирью и Аляской между 5000 и 15000 лет назад. Недавно геном молодой девушки в современной Дании был секвенирован из кусочка березовой смолы возрастом 5700 лет, используемого в качестве жевательной резинки, который также содержал микробы ее рта и кусочки пищи от одного из ее последних приемов пищи.

Вакцина и новые методы лечения лихорадки Эбола

Девушке делают прививку от лихорадки Эбола 22 ноября 2019 года в Гоме, Демократическая Республика Конго.

Памела Тулизо / AFP через Getty Images

В этом десятилетии произошла крупнейшая в истории вспышка болезни, вызванной вирусом Эбола. Считается, что эпидемия началась с единственного случая заражения летучими мышами 18-месячного мальчика в Гвинее в декабре 2013 г. Болезнь быстро распространилась на соседние страны, достигнув столиц Либерии и Сьерра-Леоне к июлю 2014 г., обеспечив беспрецедентная возможность передачи заболевания большому количеству людей. Вирус Эбола ставит под угрозу иммунную систему и может вызвать массивное кровотечение и полиорганную недостаточность. По данным CDC, через два с половиной года после первого случая более 28 600 человек были инфицированы, в результате чего погибло не менее 11 325 человек.

Эпидемия побудила чиновников здравоохранения удвоить усилия по поиску эффективной вакцины для борьбы с лихорадкой Эбола. Вакцина, известная как Ervebo, произведенная фармацевтической компанией Merck, прошла клинические испытания в Гвинее, проведенные ближе к концу вспышки в 2016 году, которые доказали эффективность вакцины. Еще одна вспышка лихорадки Эбола была объявлена ​​в Демократической Республике Конго в августе 2018 года, и продолжающаяся эпидемия распространилась и стала самой смертоносной со времени вспышки в Западной Африке: по состоянию на декабрь 2019 года было зарегистрировано 3366 случаев и 2227 смертей. . Ervebo использовался в ДРК для борьбы со вспышкой на основе расширенного доступа или «сострадательного использования». В ноябре 2019 года Ervebo был одобрен Европейским агентством по лекарственным средствам (EMA), а месяц спустя он был одобрен FDA в США.

В дополнение к профилактической вакцине исследователи искали лекарство от лихорадки Эбола у пациентов, которые уже были инфицированы этой болезнью. Два метода лечения, которые включают однократную доставку антител для предотвращения заражения клеток пациента лихорадкой Эбола, недавно продемонстрировали многообещающие клинические испытания в ДРК. Чиновники здравоохранения надеются, что с помощью комбинации вакцин и терапевтических методов лечения вирусная инфекция однажды будет искоренена навсегда.

ЦЕРН обнаружил бозон Хиггса

Событие, зарегистрированное с помощью детектора компактного мюонного соленоида (CMS) Большого адронного коллайдера ЦЕРН в 2012 году, демонстрирует характеристики, ожидаемые от распада бозона Хиггса на пару фотонов (желтые пунктирные линии и зеленые башни).

Сотрудничество ЦЕРН/CMS в рамках CC BY-SA 4.0

В течение последних нескольких десятилетий физики неустанно работали над моделированием устройства Вселенной, разработав так называемую Стандартную модель. Эта модель описывает четыре основных взаимодействия материи, известных как фундаментальные силы. Два из них знакомы в повседневной жизни: гравитационная сила и электромагнитная сила. Два других, однако, оказывают свое влияние только внутри ядер атомов: сильное ядерное взаимодействие и слабое ядерное взаимодействие.

Часть Стандартной модели говорит о том, что существует универсальное квантовое поле, которое взаимодействует с частицами, придавая им массу. В 1960-х годах физики-теоретики, в том числе Франсуа Энглер и Питер Хиггс, описали это поле и его роль в Стандартной модели. Оно стало известно как поле Хиггса, и, согласно законам квантовой механики, все такие фундаментальные поля должны иметь ассоциированную частицу, которая стала известна как бозон Хиггса.

Десятилетия спустя, в 2012 году, две группы, использующие Большой адронный коллайдер в ЦЕРНе для проведения столкновений частиц, сообщили об обнаружении частицы с предсказанной массой бозона Хиггса, что предоставило существенные доказательства существования поля Хиггса и бозона Хиггса. В 2013 году Нобелевская премия по физике была присуждена Энглерту и Хиггсу «за теоретическое открытие механизма, который способствует нашему пониманию происхождения массы субатомных частиц и который недавно был подтвержден открытием предсказанной фундаментальной частицы. ” По мере того как физики продолжают совершенствовать Стандартную модель, функция и открытие бозона Хиггса останутся фундаментальной частью того, как вся материя получает свою массу, и, следовательно, как вообще существует любая материя.

Рекомендуемые видео

Научных открытий, изменивших мир

От огня до металлов и ископаемого топлива многочисленные ключевые открытия служили развитию человеческой цивилизации на протяжении тысячелетий. Люди имеют долгую историю обнаружения земных материалов, природных явлений, химических реакций и процессов, а затем используют эти открытия для дальнейшего научного прогресса. Вот пять открытий, которые были революционными в то время и продолжают влиять на мир.

ДНК

(Фото: Connect World/Shutterstock)

ДНК — это молекула, кодирующая генетическую информацию всех живых существ. Многие думают, что ученые Джеймс Уотсон и Фрэнсис Крик открыли ДНК. Нет, не так быстро. На самом деле ДНК впервые была обнаружена в 1869 году швейцарским врачом Фридрихом Мишером. Он идентифицировал в клетках крови то, что назвал «нуклеином». Термин «нуклеин» в конечном итоге превратился в то, что мы знаем как ДНК, сокращенное название дезоксирибонуклеиновой кислоты. Другие ученые годами опирались на работу Мишера. Затем произошло новаторское открытие в области генетики, сделанное Уотсоном и Криком, когда они точно определили двухцепочечную спиральную структуру ДНК, соединенную водородными связями. За свое открытие Уотсон и Крик получили Нобелевскую премию в 1919 г.62 и всемирное признание. В 2014 году Уотсон продал с аукциона свою Нобелевскую медаль более чем за 4 миллиона долларов. Покупателем стал российский миллиардер, который через год вернул ее Уотсону. В 2019 году Уотсона лишили почетного звания из-за расистских комментариев.

Земля в движении

(Фото: Lizavetka/Shutterstock)

Математик и астроном Николай Коперник обнаружил, что все во Вселенной вращается вокруг Солнца, а не Земли. До его открытия считалось, что Земля является центром вселенной, а звезды, планеты и солнце вращаются вокруг нашей планеты. В 1543 году он опубликовал свой великий труд «Об обращениях небесных сфер», в котором объяснял свои теории. Среди них было то, что день и ночь были созданы вращением Земли вокруг своей оси. Коперниканский гелиоцентризм пришел на смену общепринятой теории Птолемея, утверждавшей, что Земля неподвижна. Работа Коперника была в значительной степени неизвестна при его жизни, но позже получила поддержку. Галилей согласился с теорией Коперника и доказал ее, используя телескоп, чтобы подтвердить, что различные фазы, через которые прошла Венера, были результатом обращения вокруг Солнца. Интересное примечание: останки Коперника были найдены (и позже подтверждены ДНК) под польским собором в 2005 году. Открытие роли Земли в Солнечной системе изменило представление о нашем месте в мире и Вселенной и проложило путь к пути современной астрономии.

Электричество

Распространено заблуждение, что Бен Франклин открыл электричество во время своего знаменитого эксперимента с воздушным змеем. На самом деле, в своем эксперименте 1752 года он использовал ключ и воздушного змея, чтобы продемонстрировать, что молния — это форма электричества. Еще один миф заключается в том, что во Франклина ударила молния. Он не был, но змей был заряжен штормом. Еще в 600 г. до н.э. древнегреческий философ Фалес Милетский впервые наблюдал статическое электричество, когда мех натирали окаменевшей древесной смолой, известной как янтарь. Слово «электрический», происходящее от греческого слова «янтарь», было придумано британским ученым и врачом Уильямом Гилбертом. Считающийся «отцом электричества», Гилберт был также первым, кто использовал термины «магнитный полюс», «электрическая сила» и «электрическое притяжение». В 1600 году был опубликован его шеститомный сборник «Де Магнете». Среди других идей она включала гипотезу о том, что Земля сама по себе является магнитом.

Теория микробов

(Фото: delcarmat/Shutterstock)

Луи Пастер обнаружил, что живые микроорганизмы вызывают брожение, которое может сделать молоко и вино кислыми. Оттуда его эксперименты показали, что эти микробы могут быть уничтожены путем их нагревания — процесс, который мы теперь знаем как пастеризация. Это достижение изменило правила игры, спасая людей от заражения бактериями в непастеризованных продуктах, таких как яйца, молоко и сыры. До Пастера и обычные люди, и ученые считали, что болезнь исходит изнутри тела. Работа Пастера доказала, что микробная теория верна и что болезнь возникает в результате атаки микроорганизмов. Благодаря Пастеру отношение изменилось и стало более приемлемым для теории микробов, что привело к другим достижениям, таким как антисептические хирургические методы  и открытие конкретных микробов, вызывающих туберкулез, холеру и сибирскую язву.

Gravity

Иллюстрация: Alison Mackey/Discover, Apple: Thinkstock

Насколько нам известно, Исаака Ньютона на самом деле не ударили яблоком по голове. Но вид яблока, падающего с дерева, породил идею, которая привела математика и физика к открытию гравитации в возрасте всего 23 лет. Он размышлял о том, как сила притягивает объекты прямо к земле, а не по кривой траектории. как пушечное ядро. Ответом была гравитация — сила, которая притягивает объекты друг к другу. Чем больше масса объекта, тем больше сила или гравитационное притяжение. Чем дальше объекты друг от друга, тем слабее сила. Работа Ньютона и его понимание гравитации используются для объяснения всего, от траектории бейсбольного мяча до орбиты Земли вокруг Солнца. На этом открытия Ньютона не остановились. В 1687 году Ньютон опубликовал свою книгу Principa, в которой расширил свои законы всемирного тяготения и три закона движения. Его работа заложила основу современной физики. Опираясь на открытие, прогресс в области электричества продолжился. А в 1800 году итальянский физик Алессандро Вольта создал первую гальваническую батарею, раннюю форму электрической батареи.

Научные открытия, изменившие жизнь

Попробуйте представить себе жизнь без антибиотиков. Без них мы бы не прожили так долго, как живем. Вот несколько открытий, изменивших мир. Невозможно оценить их важность, поэтому они перечислены в порядке их обнаружения.

Система Коперника

В 1543 году, находясь на смертном одре, польский астроном Николай Коперник опубликовал свою теорию о том, что Солнце представляет собой неподвижное тело в центре Солнечной системы, вокруг которого вращаются планеты. До того, как была введена система Коперника, астрономы считали, что Земля находится в центре Вселенной.

Гравитация

Исаак Ньютон, английский математик и физик, считается величайшим ученым всех времен. Среди его многочисленных открытий самым важным, вероятно, является его закон всемирного тяготения. В 1664 году Ньютон понял, что гравитация — это сила, притягивающая объекты друг к другу. Она объяснила, почему предметы падают и почему планеты вращаются вокруг Солнца.

Электричество

Если электричество облегчает нам жизнь, спасибо Майкл Фарадей. Он сделал два больших открытия, которые изменили нашу жизнь. В 1821 году он обнаружил, что когда провод, по которому течет электрический ток, помещается рядом с одним магнитным полюсом, провод начинает вращаться. Это привело к разработке электродвигателя. Десять лет спустя он стал первым человеком, который произвел электрический ток, перемещая провод через магнитное поле. Эксперимент Фарадея создал первый генератор, предшественник огромных генераторов, которые производят наше электричество.

Эволюция

Когда Чарльз Дарвин, британский натуралист, в 1859 году выдвинул теорию эволюции, он изменил наше представление о том, как развивалась жизнь на Земле. Дарвин утверждал, что все организмы со временем развиваются или изменяются очень медленно. Эти изменения являются приспособлениями, которые позволяют виду выживать в окружающей среде. Эти приспособления происходят случайно. Если вид не адаптируется, он может вымереть. Он назвал этот процесс естественным отбором, но его часто называют выживанием наиболее приспособленных.

Луи Пастер

До того, как французский химик Луи Пастер начал эксперименты с бактериями в 1860-х годах, люди не знали, что вызывает болезнь. Он не только обнаружил, что болезнь вызывается микроорганизмами, но также понял, что бактерии можно убить нагреванием и дезинфицирующим средством. Эта идея заставила врачей мыть руки и стерилизовать инструменты, что спасло миллионы жизней.

Теория относительности

Альберт Эйнштейн специальной теории относительности, которую он опубликовал в 1905 году, объясняет отношения между скоростью, временем и расстоянием. Сложная теория утверждает, что скорость света всегда остается неизменной — 186 000 миль в секунду (300 000 км в секунду) независимо от того, насколько быстро кто-то или что-то движется к нему или от него. Эта теория стала основой для большей части современной науки.

Теория большого взрыва

Никто точно не знает, как возникла Вселенная, но многие ученые считают, что это произошло около 13,7 миллиардов лет назад в результате мощного взрыва, называемого Большим взрывом. В 1927, Жорж Леметр предложил теорию Большого Взрыва Вселенной. Теория гласит, что вся материя во Вселенной изначально была сжата в крошечную точку. За долю секунды точка расширилась, и вся материя мгновенно заполнила то, что сейчас является нашей Вселенной. Это событие положило начало времени. Научные наблюдения, кажется, подтверждают теорию.

Пенициллин

Антибиотики — это сильнодействующие препараты, убивающие опасные бактерии в нашем организме, вызывающие у нас заболевания. В 1928, Александр Флеминг открыл первый антибиотик, пенициллин, который он вырастил в своей лаборатории с использованием плесени и грибков. Без антибиотиков такие инфекции, как острый фарингит, могут быть смертельными.

ДНК

28 февраля 1953 года Джеймс Уотсон из США и Фрэнсис Крик из Англии сделали одно из величайших научных открытий в истории. Двое ученых обнаружили структуру двойной спирали ДНК. Он состоит из двух нитей, которые переплетаются друг с другом и имеют почти бесконечное разнообразие химических паттернов, которые создают инструкции для человеческого тела. Наши гены состоят из ДНК и определяют, например, какой цвет волос и глаз у нас будет. В 1962, они были удостоены Нобелевской премии за эту работу. Открытие помогло врачам понять болезни и может когда-нибудь предотвратить некоторые болезни, такие как болезни сердца и рак.

Периодическая таблица

Периодическая таблица основана на Периодическом законе 1869 года, предложенном русским химиком Дмитрием Менделеевым. Он заметил, что при упорядочении по атомному весу химические элементы выстраиваются в ряд, образуя группы со сходными свойствами. Он смог использовать это, чтобы предсказать существование неоткрытых элементов и отметить ошибки в атомных весах. В 1913, Генри Мозли из Англии подтвердил, что таблицу можно сделать более точной, расположив элементы по атомному номеру, который представляет собой количество протонов в атоме элемента.

Рентгеновские лучи

Вильгельм Рентген, немецкий физик, открыл рентгеновские лучи в 1895 году. Рентгеновские лучи проходят сквозь некоторые вещества, такие как плоть и дерево, но останавливаются другими, такими как кости и свинец. Это позволяет использовать их для обнаружения сломанных костей или взрывчатых веществ внутри чемоданов, что делает их полезными для врачей и сотрудников службы безопасности. За это открытие Рентгену была присуждена первая в истории Нобелевская премия по физике в 1901.

Квантовая теория

Датский физик Нильс Бор считается одной из важнейших фигур в современной физике. Он получил Нобелевскую премию по физике 1922 года за исследования структуры атома и за работу по развитию квантовой теории. Хотя он помог разработать атомную бомбу, он часто пропагандировал использование атомной энергии в мирных целях.

Атомная бомба

Наследие атомной бомбы неоднозначно: она успешно положила конец Второй мировой войне, но положила начало гонке ядерных вооружений. Некоторые из величайших ученых того времени собрались в начале 1940-х годов, чтобы выяснить, как очистить уран и создать атомную бомбу. Их работа получила название Manhattan Project . В 1945 году США сбросили атомные бомбы на японские города Хиросима и Нагасаки. Десятки тысяч мирных жителей были мгновенно убиты, Япония капитулировала. Это единственные две ядерные бомбы, когда-либо использовавшиеся в бою. Несколько ученых, работавших над Манхэттенским проектом, позже призвали правительство использовать ядерную энергию только в мирных целях. Тем не менее, многие страны продолжают накапливать ядерное оружие. Некоторые люди говорят, что огромные разрушения, которые могут возникнуть в результате применения ядерного оружия, на самом деле не позволяют странам использовать его.

ВИЧ/СПИД

В 1983 и 1984 годах Люк Монтанье из Франции и Роберт Галло из США обнаружили вирус ВИЧ и установили, что он является причиной СПИДа. С тех пор ученые разработали тесты, чтобы определить, есть ли у человека ВИЧ. Людей с положительным тестом призывают принять меры предосторожности, чтобы предотвратить распространение болезни. Доступны лекарства, чтобы держать ВИЧ и СПИД под контролем. Есть надежда, что дальнейшие исследования приведут к разработке лекарства.

Научный интерес, полезность, самоэффективность, идентичность и научные достижения среди старшеклассников: применение дерева SEM и математика (STEM) в колледже. Во многих исследованиях признается роль когнитивных способностей в формировании научных достижений учащихся (O’Reilly and McNamara, 2007). Напротив, в других исследованиях подчеркивалась роль некогнитивных качеств в более высоких академических оценках, например упорства, самоэффективности и т. д. (Alhadabi and Karpinski, 2019).). Растущее количество исследований показало, что научная идентичность как один из некогнитивных атрибутов имеет непосредственную положительную связь с научными достижениями, например, Hill et al.

(2018 г.); Ким (2018); Уильямс и др. (2018). Тем не менее, соответствующие литературные работы показали, что у студентов в Соединенных Штатах развивается слабая научная идентичность и усиливается негативное восприятие науки как области обучения, что приводит к тому, что известно как утечка научных знаний (Schultz et al., 2011). Например, Национальный совет по науке (2016 г.) показал, что на 17% больше американских студентов достигли 10%-го порога научных достижений или ниже по сравнению с другими развитыми странами.

Обширный обзор литературы выявил две основные темы. Первая тема относится к огромным индивидуальным различиям, обнаруженным в научных достижениях, например, Aschbacher et al. (2010). Эта изменчивость может быть связана с различными факторами. Демографические факторы, включая пол, социально-экономический статус (СЭС) и этническую принадлежность, а также некогнитивные переменные, связанные с наукой, включая научную полезность, интерес, самоэффективность и идентичность, являются потенциальными объяснительными факторами изменчивости научных достижений среди старшеклассников. . Тем не менее, литература предоставила смешанный набор результатов демографической информации, влияющей на достижения науки. Например, в то время как большинство предыдущих исследований, например, Huang (2016); Ким и Синатра (2018) показали, что мужчины более эффективны в науке, исследование Vantieghem et al. (2014) пояснили, что феминистки обладают более высокой академической самоэффективностью по сравнению с мальчиками. Напротив, литература неизменно демонстрирует, что учащиеся с низким СЭО, принадлежащие к этническим меньшинствам, таким как латиноамериканцы и афроамериканцы, имеют более низкие научные достижения (Williams et al., 2018; Hanushek et al., 2019).).

Вторая тема, представленная в соответствующей литературе, обсуждает растущее число качественных исследований, в которых утверждается, что научная идентичность и достижения зависят от того, как учащиеся обрабатывают информацию, относящуюся к себе как к ученому. Например, исследование Archer et al. (2010) показали, что высокая научная самоэффективность, восприятие научной полезности и инвестирование усилий укрепляют конструктивную научную идентичность, которая положительно коррелирует с лучшими научными достижениями (White et al. , 2019).). Напротив, в ограниченном количестве количественных исследований изучалась связь между некогнитивными переменными, связанными с наукой, и научной идентичностью (Mohammadpour, 2013; Vincent-Ruz and Schunn, 2018; Alhadabi, 2020). Ни в одном из этих исследований не изучались связи между вышеупомянутыми переменными и научными достижениями.

Как уже упоминалось выше, результаты исследования указывают на различные факторы, которые приводят к существенной изменчивости в научных достижениях среди старшеклассников, включая пол, SES, этническую принадлежность, научный интерес, научную полезность, научную самоэффективность и научную идентичность. Однако взаимодействие между этими факторами еще не полностью изучено, и какие категории учащихся с большей вероятностью будут иметь самые сильные связи между учебными переменными и получать более высокие научные достижения. Дерево модели структурных уравнений (SEM) является одним из новых и недавно разработанных статистических методов, которые могут устранить упомянутый выше пробел и дать ценные ответы (Brandmaier et al. , 2013).

Причина выбора этого метода может быть связана с тем фактом, что дерево SEM объединяет параметрическую теорию, т. Е. Моделирование структурных уравнений, и непараметрическую, управляемую данными, т. Е. Методы интеллектуального анализа данных и, в частности, дерево решений. Кроме того, дерево SEM позволяет одновременно решать три задачи, а именно: (1) моделирование связей между факторами, влияющими на научные достижения, с использованием модели анализа путей (PA), (2) выбор наиболее влиятельных ковариат в объяснении изменчивости параметров модели, и (3) классификация учащихся путем разделения данных на однородные группы/узлы с точки зрения параметров модели с учетом влиятельных ковариат (Brandmaier et al., 2014). Примеры вопросов, на которые может ответить дерево SEM: (1) соответствует ли модель, исследующая связи между факторами, влияющими на научные достижения, данным?; (2) Существует ли значительная изменчивость параметров модели, обусловленная наблюдаемыми демографическими ковариатами, т. е. полом, СЭС и этнической принадлежностью?; (3) Каковы наиболее влиятельные ковариаты?; (4) Каковы точки разделения, которые приводят к классификации учащихся, и в какой степени эти разделения значимы? Таким образом, цель этого исследования состоит в том, чтобы исследовать скрытую гетерогенность в ассоциациях между некогнитивной переменной, связанной с наукой, и научными достижениями, ответив на четыре вопроса, упомянутых выше.

Обзор литературы

Научные достижения в старшей школе, как одна из академических переменных, определяют зачисление учащихся на специальности STEM. Это кажется приоритетом для удовлетворения потребностей рынка труда США (Radunzel et al., 2017). По данным Бюро статистики труда США (2020 г.), занятость в профессиях STEM, по прогнозам, увеличится на 8% с 2019 по 2029 год. и др., 2016). Согласно исследованию Ahn et al. (2016), две причины могут объяснить этот конвейер, который приводит к более низким научным достижениям. Во-первых, обезличивание научного содержания не удовлетворяет потребности учащихся в родстве (Ryan, Deci, 2017). Во-вторых, у студентов вырабатываются менее привлекательные стереотипы и отношение к науке и ученым, которые исключительно умны, непобедимы, ограничены лабораторными условиями и оторваны от реальности. Затем это приводит к отталкивающей реакции на изучение науки, что совпадает с исследованием Zhai et al. (2014).

Недавнее исследование выявило значительную скрытую неоднородность в успеваемости среди старшеклассников, в результате чего учащихся разделили на три класса: (1) класс с высокой успеваемостью, в котором академическая успеваемость немного выросла за 4 года обучения в старшей школе, (2) класс с низкой успеваемостью, который показал небольшое повышение успеваемости, и (3) класс со средней успеваемостью, который со временем продемонстрировал значительное снижение среднего балла (Alhadabi and Li, 2020). Необходимо дальнейшее изучение факторов, которые могут ограничить этот поток и повысить академическую успеваемость учащихся со средней и низкой успеваемостью. Многие предыдущие исследования показали, что несколько некогнитивных переменных привели к более высокой успеваемости по науке и уменьшили такие утечки в научной среде среди старшеклассников, включая научную идентичность, самоэффективность в науке, научный интерес и научную полезность (Archer et al. , 2010; Альхадаби, 2020). В этом разделе представлен краткий обзор этих аффективных переменных.

Научная идентичность

Идентичность выражается как личное изображение учащихся в отношении их занятий, убеждений и ожидаемых достижений в определенной области (Hill et al., 2018). Таким образом, научная идентичность — это самоощущение человека научного типа; другими словами, тот, кто любит науку, готов приложить усилия, необходимые для получения научной степени, и полон решимости достичь своих научных целей (Archer et al., 2010). Психологическая литература показала, что конструирование идентичности формируется двумя процессами: кризисом и приверженностью (Эриксон, 19).80). Кризис является поворотным моментом, когда подросток находится в активном исследовании и изучении личных предпочтений. Состояние постоянного самовопрошания приводит к познанию себя и развитию личности, например, кто я? Какова моя текущая роль? Кем я буду в будущем?. Второй процесс, который представляет собой обязательство, выражает преданность и приверженность признанным предпочтениям и выбранным ролям.

Исследование Марсии (1980) создало таксономию, учитывающую масштабы кризиса и обязательств, т. е. низкие и высокие, что привело к новым четырем состояниям, т. е. диффузии, мораторию, лишению права выкупа и достижению идентичности. В первом состоянии, диффузном, подростки испытывают низкий уровень исследования и приверженности. Например, подростки относятся к диффузному состоянию, когда они не осознают свои навыки и способности, не воспринимают предметы, стимулирующие их любознательность, и не проявляют приверженности чему-либо в средней и старшей школе. С другой стороны, учащиеся достигают моратория на идентичность благодаря активному исследованию и слабому чувству приверженности. Например, учащиеся изучают различные научные предметы, участвуют в различных школьных клубах и присоединяются к ним, но при этом они искренне не привержены ни одному изучаемому опыту и предметам. Лишение права выкупа идентичности относится к демонстрации высокой приверженности определенной области и именно навязывается значимыми другими, например, родителями, учителями и сверстниками; тем не менее, учащийся не предлагает активного исследования навязанной идентичности или проводит его с низкой активностью. Некоторые студенты просто изучают специальность STEM, потому что их родители или старшие братья и сестры являются людьми STEM, что отражает недостаточное исследование и принятие навязанной идентичности. Оптимальное состояние, достижение идентичности, достигается, когда учащиеся имеют высокий уровень исследования и приверженности. Студенты отчетливо воспринимают себя как деятелей науки, проявляют высокую целеустремленность и воспринимаются другими как деятели науки.

Научная самоэффективность

В качестве одного из видов академической самоэффективности научная самоэффективность относится к суждениям учащихся о своих способностях успешно достигать образовательных целей по естественным наукам (Elias and MacDonald, 2007). Студенты с высокой академической самоэффективностью с большей вероятностью разовьют более прочную научную идентичность, пройдут больше научных курсов, получат более высокие баллы на этих курсах и выберут научную карьеру (Honicke and Broadbent, 2016; Stets et al. , 2017). . Связанные литературные произведения показали, что высокоэффективные студенты ставят перед собой высокие учебные цели по конкретному предмету. По мере увеличения ценности целей студенты вкладывают больше усилий (Luszczynska and Schwarzer, 2005). Недавний обзор литературы по этой теме показал, что академическая самоэффективность является одним из посредников, играющих промежуточную роль в ассоциациях между процессами метакогнитивной, аффективной и мотивационной регуляции и академическими достижениями.

Что касается первых двух наборов регулирования, исследование, проведенное Kirbulut and Uzuntiryaki-Kondakci (2018), показало, что самоэффективность науки частично опосредует связь между метаконцептуальным регулированием, т. е. мониторингом существующих концепций и идей, и аффективная регуляция, т. е. контроль и принятие продуктивного эмоционального состояния. Кроме того, это был важный предиктор научных достижений среди учащихся восьмого класса. Что касается третьего набора действенных процессов, т. е. мотивации и целей достижения, недавнее исследование показало, что академическая самоэффективность опосредует связь между двумя измерениями упорства, т. е. настойчивостью в усилиях и постоянством интересов, и тремя целями, ориентированными на достижение: то есть цели овладения, приближения и избегания, которые имели прямую связь с успеваемостью (Alhadabi and Karpinski, 2019).). В этом исследовании подчеркивалось, что самоэффективность усиливает положительное влияние целей мастерства и достижения целей и ограничивает негативное влияние целей избегания на успеваемость. Исследование Стетса и его коллег (2017) выявило значительную положительную связь между научной идентичностью и самоэффективностью.

Научный интерес

Научный интерес отражает познавательный потенциал учащегося для достижений в области науки. Чем сильнее интерес к науке у студента, тем больше обязательств и усилий для достижения успеха. Исследования показали, что интерес к науке среди старшеклассников является сильным предиктором поступления на курсы и профессии, связанные с наукой (Hulleman and Harackiewicz, 2009). ). Исследование Hazari et al. (2017) обнаружили, что учащиеся, которые проявляли более высокий интерес к науке и учились в классах, где их одноклассники разделяли такой же высокий интерес, имели статистически более высокие карьерные намерения в области STEM, чем другие группы студентов с более низким интересом к науке. Кроме того, эти учащиеся более склонны к продуктивным учебным привычкам. То есть в исследовании Singh et al. (2002), они обнаружили, что учащиеся, проявляющие большой интерес к науке, тратят больше времени на выполнение домашних заданий и меньше времени на просмотр телевизора.

Тем не менее, значительная часть литературы свидетельствует о снижении интереса к науке по мере перехода учащихся из начальной школы в среднюю (George, 2006; Potvin and Hasni, 2014). В исследовательской работе, посвященной оценке влияния оценок (K-12) на величину интереса к науке, исследование Гринфилда (1997) показало, что учащиеся младших классов проявляют больший интерес к науке по сравнению со старшеклассниками, указывая на то, что старшеклассники слабый интерес к науке. Исследование, проведенное Осборном (2003), подтвердило это снижение в средней школе, предполагая исследование фактора, усугубляющего такое неконструктивное отношение к изучению науки.

Научная полезность

Научная полезность относится к восприятию учащимся важности науки как актуальной или полезной для текущих и будущих целей на индивидуальном и коллективном уровнях (Rozek et al., 2017). Одной из психологических теорий, объясняющих, как воспринимаемая научная полезность формирует научные результаты, является теория ожидаемой ценности (Eccles and Wigfield, 2002). То есть ценность любой задачи, например, изучения науки, имеет четыре аспекта: (1) ценность достижения, то есть важность изучения науки для само-схемы или идентичности человека; (2) внутренняя ценность, т. е. до какой степени изучение науки доставляет удовольствие; (3) ценность полезности, т. е. предполагаемая полезность и инструментальные достоинства науки за пределами классной комнаты; (4) стоимость, то есть предполагаемое бремя, жертвы и цена изучения науки. Предположим, что учащиеся обладают острым чувством первых трех ценностей, т. е. достижения, внутренней ценности и полезности по отношению к науке. В этом случае они с большей вероятностью будут вкладывать усилия в изучение науки, уменьшая эффект четвертого типа, т. е. себестоимости.

Результаты показали противоречивые выводы, связанные с ростом полезности науки с течением времени. Например, результаты исследования Джорджа (2006) показали, что рост полезности науки был положительным по мере того, как они переходили в среднюю и старшую школу, что противоречит заметному снижению интереса к науке (Потвин и Хасни, 2014). В других исследованиях признается снижение полезности науки, что прямо прогнозируется за счет меньшего количества или отсутствия регистрации курсов по естественным наукам или косвенно за счет редкого участия в научных внешкольных мероприятиях, например, Simpkins et al. (2006). Исследование Симпкинса и соавт. (2006) обнаружили, что учащиеся, которые твердо убеждены в своих навыках, способностях и интересе к науке, с большей вероятностью будут заниматься наукой в ​​подростковом возрасте, чем их сверстники. Они обнаружили, что участие в связанных с наукой внешкольных мероприятиях в пятом классе предсказывало ценность задачи и научную полезность в девятом классе. Недавно опубликованное квазиэкспериментальное исследование показало, что учащиеся в экспериментальной группе, которым проводилось вмешательство в области научной полезности, имели более высокие баллы в области научной полезности на личном и общественном уровнях по сравнению с контрольной группой (Shin et al., 2019).).

Модель и цель исследования

Основываясь на обширном обзоре литературы, упомянутом выше, общая картина отражает необходимость изучения последовательного порядка и влияния некогнитивных связанных с наукой конструктов, т. е. научный интерес, научная полезность, самооценка. эффективность и научная идентичность на достижениях науки. Начиная с отдаленных переменных и более конкретного восприятия внутренней склонности, острого любопытства и участия, т. е. интереса к науке, и оценки инструментальных достоинств науки, т. е. полезности науки, не только косвенно культивируется достижение науки (Singh et al., 2002; Симпкинс и др., 2006 г. Халлеман и Харацкевич, 2009 г.). Это также напрямую способствует расцвету промежуточного ощущения потенциала, необходимого для успеха в качестве ученого, подразумевая роль самоэффективности науки как посредника, что согласуется с предыдущими исследованиями (Кирбулут и Узунтиряки-Кондакчи, 2018; Альхадаби и Карпинский, 2019). По мере того, как уровень потенциала в сочетании с необходимыми усилиями увеличивается, развивается большее чувство научной идентичности (Archer et al., 2010; Honicke and Broadbent, 2016; Stets et al., 2017). В свою очередь, студенты, которые концептуализируют себя как научные личности, т. е. научную идентичность, и актуализируют это восприятие, обладая продуктивными навыками и потенциалом, т. е. самоэффективностью в науке, будут более склонны преуспевать в науке. В то же время связи между этими переменными не являются статичными для демографических характеристик учащихся, например, пола, СЭС и этнической принадлежности. Например, ожидается наличие очевидных различий в силе связи между этими некогнитивными переменными у мужчин и женщин, что согласуется с предыдущими исследованиями (Banchefsky et al., 2016; Hill et al., 2018).

Кроме того, текущее исследование признает важность изучения влияния школы и некогнитивных предикторов учителей естественных наук, например, самоэффективности преподавания естественных наук, отношения и ожиданий в отношении успеваемости учащихся, на научные достижения учащихся. . Тем не менее, выборка учителей естественных наук не является общенациональной репрезентативностью в текущих данных исследования, согласно Продольному исследованию средней школы 2009 г. (HSLS:09) из-за низкого процента ответивших (Ingels et al., 2011). Таким образом, предикторы учителей в данном исследовании не рассматривались.

Это исследование достигло трех целей. В нем изучались связи между некогнитивными переменными, связанными с наукой, и научными достижениями среди старшеклассников США с использованием модели последовательного опосредования. Также были определены наиболее влиятельные ковариаты, т. е. пол, СЭС и этническая принадлежность, при классификации учащихся. После обзора литературы была изучена концептуальная модель (см. рис. 1) с использованием последовательности прямых и косвенных гипотез, подробно описанных ниже.

Рисунок 1 . Концептуальная модель связи между переменными, связанными с наукой, и научными достижениями. Двунаправленная изогнутая стрелка указывает на ковариацию между членами дисперсии экзогенных переменных, которыми в данном случае являются научная полезность и научный интерес. Стрелки справа налево и связанные с ними V в кругах, указывающие на научный интерес и полезность, являются терминами дисперсии. Остальные три переменные являются эндогенными, то есть научная самоэффективность, научная идентичность и научные достижения. Стрелки справа налево и связанные с ними буквы e в кружках, указывающие на эти три переменные, представляют собой остатки/необъяснимые условия дисперсии эндогенных переменных из-за ошибок и других немоделируемых переменных.

(h2) Живой научный интерес и научная полезность имеют положительную прямую связь с самоэффективностью науки, т. е. пути а и с, соответственно, и научной идентичностью, т. е. пути b и d, соответственно.

(h3) Научная самоэффективность оказывает положительное прямое влияние на идентичность науки, т. е. путь e, и научные достижения, т. е. путь f.

(h4) Конструктивная научная идентичность положительно коррелирует с научными достижениями, т. е. путь g.

(h5) Научный интерес и научная полезность косвенно влияют на научные достижения через научную самоэффективность, т. е. пути a ^*f и c ^*f, и тождество науки, т. е. пути b ^*g и d ^*g.

Метод

Участники

Полная выборка из 14 815 учащихся средних школ США была получена в результате продольного исследования средних школ 2009 г. (HSLS:09), особенно данных за базовый год и обновления за 2013 г. Эта база данных была выбрана из-за изучения факторов, влияющих на решения старшеклассников относительно их будущей карьеры, особенно в областях STEM (Ingels et al. , 2011). Их было 7 284 (490,2%) мужчин и 7 531 (50,8%) женщин. Большинство студентов были белыми ( n = 8510; 57,4%). Другими этническими группами были латиноамериканцы ( n = 2221; 15,0%), азиаты ( n = 1254; 8,5%), афроамериканцы ( n = 1307; 8,8%), латиноамериканцы более чем одной расы (). n = 1355; 9,1%) и очень небольшое количество других этнических групп, например, индейцы-американцы и коренные гавайцы ( n = 178; 1,2%).

Показатели

Опрос был получен из студенческого инструментария, проведенного в базовом году HSLS:09, содержащий шесть разделов, включая (1) демографическую информацию, то есть пол, СЭС и этническую принадлежность; (2) шкала научной идентичности; (3) шкала научной самоэффективности; (4) шкала научных интересов; (5) шкала полезности науки; (6) научные достижения, измеряемые средним баллом за самый высокий курс естественных наук, пройденный в 2009 г. (GPA; Duprey et al., 2018).

Первая мера, шкала научной идентичности, представляла собой шкалу из двух пунктов, т. е. «Я считаю себя человеком науки» и «Другие считают меня человеком науки». Задания оцениваются по 4-балльной шкале Лайкерта от «Полностью согласен» (код 1) до «Совершенно не согласен» (код 4). Шкала имела хорошую надежность внутренней согласованности α = 0,88 (Ingels et al., 2011).

Второй показатель, шкала самоэффективности в науке, состоит из четырех пунктов, отражающих убеждения студентов в успешности изучения естественных наук. Примеры пунктов шкалы: «Я уверен, что смогу отлично справиться с осенними научными тестами 2009 г.» и «Я уверен, что смогу освоить навыки на осеннем естественнонаучном курсе 2009 г.». Все пункты оцениваются по 4-балльной шкале Лайкерта от «Полностью согласен» (код 1) до «Абсолютно не согласен» (код 4). Шкала продемонстрировала высокую надежность, т. е. коэффициент Кронбаха α = 0,88.

Шкала интереса к науке состоит из шести пунктов, оценивающих отношение учащихся и степень их заинтересованности в изучении естественных наук, например, «Мне очень нравится осенний курс естественных наук 2009 г. » и «Я думаю, что осенний курс естественных наук 2009 г. — пустая трата времени». времени». В этой шкале также используется 4-балльная шкала Лайкерта в диапазоне от «Полностью согласен» (код 1) до «Совершенно не согласен» (код 4). Коэффициент надежности был высоким, т. е. Кронбаха α = 0,73.

Последняя шкала, научная полезность, представляет собой шкалу из трех пунктов, оцениваемую по 4-балльной шкале Лайкерта. Примеры пунктов шкалы: «Я думаю, что осень 2009 г.курс естественных наук полезен в повседневной жизни» и «я думаю, что курс естественных наук осенью 2009 года полезен для будущей карьеры». Коэффициент надежности был высоким (α Кронбаха = 0,75). Вышеупомянутые четыре некогнитивные переменные, то есть научная идентичность, самоэффективность, полезность и интерес, были получены в результате факторного анализа основных компонентов. Составные значения весов были стандартизированы с M = 0 и SD = 1 (Ingels et al., 2011).

Анализ данных

В текущем исследовании были проведены два основных анализа, а именно анализ путей (PA) и интеллектуальный анализ данных с использованием дерева SEM. Для запуска PA было выполнено несколько шагов, т. Е. Спецификация модели, идентификация, оценка, тестирование и модификация. Что касается первого шага, модель была определена после обзора предыдущего исследования, как объяснялось в предыдущих разделах. На втором этапе подчеркивается, что модель должна быть чрезмерно идентифицирована или просто идентифицирована путем сравнения количества параметров в выборочной ковариационной матрице, т. Е. S; это квадратная матрица, которая оценивает ковариацию между каждой парой точек данных, и подразумеваемая моделью ковариационная матрица, т. е. Σ ; это квадратная матрица, которая оценивает значения ковариации на основе предложенной гипотетической модели. Это означает, что количество различных значений в матрице S , т. е. k ( k + 1)/2, где k = количество переменных в модели, должно быть больше или равно числу свободных параметров, оцененных в модели (Schumacker, Lomax, 2016). Это исследование показало 15 различных значений в матрице S и 11 свободных параметров, включая семь прямых путей, три члена дисперсии эндогенных переменных, то есть научную самоэффективность, научную идентичность, научные достижения и один член ковариации. Количество различных значений было больше, чем свободных параметров, что позволяет предположить, что модель чрезмерно идентифицирована.

Что касается третьего шага, метод оценки модели выбирается после изучения описательной статистики для каждой переменной. Демографическая описательная статистика была проанализирована с использованием R 4.0.2 (R Core Team, 2020). Данные были проверены перед проведением первичного анализа, например, нормальности и выбросов. Были рассчитаны корреляции Пирсона. На основании приведенной выше информации в качестве метода оценки был выбран метод максимального правдоподобия (ML) (Schumacker and Lomax, 2016). Пакет Lavaan использовался для выполнения PA (Rosseel, 2012) для спецификации модели, получения индексов соответствия и оценки прямых и косвенных взаимосвязей.

Перед тестированием модели была проверена адекватность размера выборки, чтобы обеспечить достаточную мощность и достоверность статистики согласия (GoF). Необходим минимальный размер выборки от 100 до 200 человек (Hoyle, 1995). В текущем исследовании была изучена обширная выборка, которая превышает рекомендации, сделанные в исследовании Хойла. Несколько индексов GoF были пересмотрены для оценки соответствия модели данным на последнем этапе. Качество подгонки представляло собой хи-квадрат, среднеквадратичную ошибку аппроксимации (RMSEA), сравнительный индекс соответствия (CFI), индекс Такера-Льюиса (TLI) и стандартизированный среднеквадратический остаток (SRMR).

Во втором анализе SEM-дерево позволяет исследователям исследовать соответствие различных шаблонных моделей, например, факторный анализ, анализ путей, модель латентного класса и т. д. Одновременно набор данных рекурсивно разбивается на узлы, т. е. группы, которые максимально объяснить различия в результатах, то есть в параметрах модели, обусловленных влиятельными наблюдаемыми ковариатами (Brandmaier et al., 2013). Другими словами, дерево SEM направлено на определение наилучшей точки или точек разделения, которые максимизируют правильную классификацию людей (Jacobucci et al. , 2017), что приводит к максимальной однородности внутри класса и максимальной неоднородности между классами. Используя набор данных с двумя потенциальными предикторами, например, возрастом и полом, SEM-дерево может разделить данные на основе одной ковариации или комбинации двух ковариат, или вообще ни одной, что соответствует силе связи между параметрами модели и выбранными параметрами. ковариаты (Brandmaier et al., 2016).

Однако алгоритм дерева SEM представляет собой жадную рекурсивную процедуру разбиения (Brandmaier et al., 2013), что приводит к большому количеству узлов и неинформативному дереву. Такие узлы очень нестабильны и не могут быть обобщены (Hayes et al., 2015). Предлагаются различные методы управления глубиной дерева SEM и обеспечения информативности узлов, в том числе: (1) предварительное задание ограничений или настраиваемых критериев остановки; (2) применение коррекции Бонферрони или перекрестной проверки (cv); (3) применение методов контроля максимального правдоподобия (ML), известных как методы сокращения; (4) SEM-дерево, управляемое оценкой.

Первый метод применяет различные ограничения, например, заранее заданное количество узлов и заранее заданное количество участников на узел (Brandmaier et al., 2014; Usami et al., 2017). Эти ограничения вызывают большие сомнения в литературе (Hoyle, 1995). Второй метод контролирует множественные сравнения, т. е. эти сравнения используются для определения наиболее значимой ковариаты в каждой точке разделения, завышенной ошибки типа I и систематической ошибки выбора (Usami et al., 2017). Методы обрезки являются альтернативой критерию остановки, когда дереву позволяют расти как можно больше. Затем применяется штраф для учета нестабильных и ненужных узлов с использованием сокращения стоимости и сложности, в результате чего получается модель с меньшим количеством узлов (Hapfelmeier and Ulm, 2013). Четыре метода обрезки включают наивный, CV, справедливый и справедливый3 (Хойл, 19 лет).95; Брандмайер и др., 2014). Naïve выполняет разделение на основе значения теста отношения правдоподобия с поправкой Бонферрони. Как объяснялось ранее, метод CV ищет узлы в обучающем наборе и проверяет результаты в тестовом наборе. Fair выбирает ковариаты с самыми высокими значениями отклика. С другой стороны, Fair3 является расширением Fair, которое повторно проверяет все разделенные значения.

В литературе мало указаний о том, какие методы следует использовать. Например, исследование Brandmaier et al. (2013) предложили использовать методы контроля ОД, именно честные и ср. Однако точность последующих расщеплений определяется точностью первого расщепления при использовании методов управления ML (Grubinger et al., 2011). Это означает, что неспособность точно оценить первое разделение приводит к кумулятивной неточности в последующих разделениях. Таким образом, SEM-дерево, управляемое оценкой, является средством от множественных сравнений ML, предлагая пять дополнительных методов. Одно симуляционное исследование показало, что два метода, ориентированных на оценку, т. е. maxLMO и CvM, превосходят методы машинного обучения с точки зрения статистической мощности, сокращения времени вычислений и группового восстановления при изучении нескольких параметров (Arnold et al. , 2021).

Настоящее исследование определило неоднородность путем изучения нескольких параметров, т. е. 11 прямых эффектов, косвенных эффектов, дисперсии и ковариации. Большинство исследованных ковариат, таких как пол, этнические группы и СЭС, были дихотомическими, за исключением СЭС. Поэтому для построения дерева был использован пакет дерева SEM. Обновленное дерево SEM, основанное на количественных показателях, особенно maxLMO, контролировало глубину дерева (Arnold et al., 2021).

Результаты

Описательная статистика, корреляции и проверка предположений

В таблице 1 представлены описательные статистические данные. Эта статистика не выявила беспокойства по поводу нарушений нормальности. Наличие выбросов проверяли с помощью метода z баллов. То есть значения z -баллов всех точек данных должны быть расположены между ± 2,58 вдоль нормальной кривой. z -показатели, которые составляют > ± 2,58, подразумевают вероятные выбросы, а значения > ± 3,29 указывают на крайние выбросы (Field, 2009). В текущем исследовании эти значения были ниже консервативного порога ( z ± 2,58) и свободное отсечение ( z ± 3), что означает отсутствие беспокойства по поводу выбросов. Таблица 2 показала, что предполагаемые корреляции были статистически значимыми.

Таблица 1 . Описательная статистика для переменных модели анализа пути ( N = 14 815).

Таблица 2 . Коэффициенты корреляции для переменных модели анализа пути ( N = 14 815).

Модель анализа пути

Результаты модели PA продемонстрировали значительный хи-квадрат [χ ² ₍₁₀₎ = 16 899,39, p < 0,001], что указывает на неприемлемую посадку. Этот вывод был разумным, потому что размер выборки огромен. Результаты RMSEA, SRMR, CFI и TLI составили 0,00, 0,002, 1 и 1 соответственно. Эти показатели указывали на хорошее соответствие модели. Все пути были значительными и в ожидаемых направлениях. Наибольшие положительные стандартизованные коэффициенты пути (см. рис. 2) были между научным интересом и научной самоэффективностью (β = 0,43) и между научной самоэффективностью и научной идентичностью (β = 0,32). По сравнению с научным интересом полезность имела положительную и более слабую корреляцию с научной самоэффективностью и научной идентичностью. Научная самоэффективность и научная идентичность положительно коррелируют с научными достижениями. Наконец, было восемь значительных косвенных эффектов (см. Таблицу 3). Общее влияние научного интереса и полезности на средний балл за счет научной самоэффективности и научной идентичности было значительным. В целом модель последовательного посредничества была поддержана, включая гипотетические отношения от h2 до h5.

Рисунок 2 . Модель PA со стандартизированными параметрами. Двунаправленная изогнутая стрелка указывает на ковариацию между членами дисперсии экзогенных переменных, которыми в данном случае являются научная полезность и научный интерес. Стрелки справа налево и связанные с ними цифры в кружках, указывающие на научный интерес и полезность, представляют собой условия дисперсии, которые оцениваются как 1, что означает, что модель не объясняет дисперсии этих переменных. Остальные три переменные (например, научная самоэффективность, научная идентичность и научные достижения) являются эндогенными. Стрелки справа налево и связанные с ними фигуры в кружках, указывающие на эти три переменные, представляют собой остатки/необъяснимую дисперсию эндогенных переменных из-за ошибки и других немоделируемых переменных. ^*** р < 0,001.

Таблица 3 . Окончательная модель посредничества: оценки максимального правдоподобия (стандартизированные) и выбранные индексы соответствия.

Результаты дерева SEM

Результаты дерева SEM показали, что пол и SES были наиболее влиятельными ковариантами при классификации учащихся на основе неоднородности параметров модели (см. рис. 3). В результате получилось дерево с тремя точками разделения и четырьмя узлами. Наиболее влиятельной ковариантой был пол, в результате чего студенты были разделены на узлы мужского и женского пола. SES был наиболее влиятельной ковариантой среди мужчин, создавая два узла (т. Е. Низкий и высокий узлы SES у мужчин). То есть студенты с низким СЭС, т.е. СЭС <0,17, имели относительно более низкие прямые связи между изучаемыми переменными по сравнению с мужчинами с более высоким СЭС (см. табл. 4), за исключением путей f, т.е. самоэффективность к достижениям, и c, т.е. , полезность для самоэффективности. Это означает, что мужчины с низким SES, которые имели более высокую научную полезность, с большей вероятностью сообщали о более высокой самоэффективности, и эти студенты с более высокой самоэффективностью были связаны с лучшим средним баллом.

Рисунок 3 . Модель дерева РЭМ. a = научный интерес → самоэффективность, b = научный интерес → научная идентичность, c = научная полезность → научная самоэффективность, d = научная полезность → научная идентичность, e = научная самоэффективность → научная идентичность, f = самоэффективность → Научные достижения, g = научная идентичность → Научные достижения, ~~ = дисперсия.

Таблица 4 . PA направляет оценки эффектов для подгрупп, полученных из дерева SEM.

Для сравнения, SES был наиболее влиятельной ковариантой среди женщин. В отличие от узлов мужского пола, студентки с низким SES, то есть SES <0,50, имели относительно более сильные прямые эффекты между изучаемыми переменными, чем девушки с более высоким SES. Например, прямая связь между научным интересом и научной самоэффективностью у женщин с низким СЭС (β = 0,48) была выше, чем у женщин с высоким СЭС (β = 0,39).). Это означает, что разработка некогнитивных переменных, связанных с наукой, окажет большее влияние на женщин с низким СЭС. Ни одна из этнических групп не оказала существенного влияния на классификацию учащихся.

Обсуждение

Несмотря на то, что прогнозируемый спрос на рабочие места в области STEM растет (U.S. Bureau of Labor Statistics, 2020), хорошо задокументированный научный поток отражает растущую склонность избегать изучения естественных наук, что приводит к низким научным достижениям и низкому охвату STEM ( Шульц и др. , 2011). Тем не менее, в успеваемости старшеклассников наблюдается значительная неоднородность (Alhadabi and Li, 2020), что побуждает исследовать наиболее влиятельные ковариаты в такой изменчивости, а именно достижения в науке. Во все большем количестве исследований признается разнообразие факторов, влияющих на академическую успеваемость и зачисление студентов в области STEM, например, демографическая информация, когнитивные навыки и аффективные качества (O’Reilly and McNamara, 2007; Aschbacher et al., 2010). Больше внимания уделялось некогнитивным характеристикам, связанным с наукой, например, научный интерес, научная полезность, научная самоэффективность и научная идентичность. Ни одна из этих переменных не изучалась одновременно с научными достижениями. Неоднородность связей между этими качествами и научными достижениями еще не исследована, что обусловливает демографическую информацию с использованием методов интеллектуального анализа данных. Развивая это дальше, текущее исследование выдвинуло гипотезу о модели пути, полученной на основе обзора литературы (см. Рисунок 1). Кроме того, он исследовал неоднородность параметров модели с использованием одного из самых последних методологических методов, дерева SEM.

Модель продемонстрировала хорошее соответствие и показала значительные прямые и косвенные эффекты. В левой части модели интерес к науке имел самую сильную положительную корреляцию с научной самоэффективностью и относительно слабую положительную связь с научной идентичностью. Студенты с более высокими научными интересами имели более высокую научную самоэффективность и более сильно верили в научную идентичность. Эти результаты показывают, что учащиеся, проявляющие неподдельный интерес, будут прилагать больше усилий, регулировать свои привычки в изучении естественных наук, например, делать больше домашних заданий по естествознанию, заниматься вне школы, посещать больше научных курсов и меньше смотреть телевизор (Singh et al., 2002; Simpkins et al., 2002; Simpkins et al. и др., 2006 г., Халлеман и Харацкевич, 2009 г.). Научная полезность также положительно коррелирует с научной самоэффективностью и научной идентичностью, подтверждая теорию ожидаемой ценности (Eccles and Wigfield, 2002). Другими словами, восприятие учащимися полезности науки расширяет их представление о себе как о людях, занимающихся наукой, и укрепляет их способности для достижения целей образования в науке (Stets et al., 2017). Текущее исследование показало, что сила этих влияний различается в зависимости от научного интереса и полезности. Примечательно, что научные интересы имели более тесную связь с научной самоэффективностью и идентичностью по сравнению с научной полезностью, что предполагает необходимость уделять больше внимания и целенаправленного вмешательства для усиления интереса к науке у студентов.

В промежуточной части модели результаты показали, что научная самоэффективность оказывает прямое положительное влияние на научную идентичность и научные достижения, поддерживая конструктивную роль самоэффективности. Опять же, научная самоэффективность опосредовала связь между двумя переменными в левой части модели, то есть научным интересом и полезностью, а также научной идентичностью. Эти результаты дополняют результаты предыдущих исследований (Кирбулут и Узунтиряки-Кондакчи, 2018; Алхадаби и Карпински, 2019). ). Другими словами, научная самоэффективность усиливает связь между аффективной привязанностью и активной вовлеченностью в науку, т. е. интересом к науке и научной идентичностью. В то же время самоэффективность питает отношения между концептуальным восприятием полезности науки, то есть полезности науки, и идентичностью. Кроме того, научная идентичность сама по себе оказала значительное прямое положительное влияние на достижения науки, что хорошо согласуется с исследованием, проведенным Williams et al. (2018).

Что касается гипотез о последовательном посредничестве, результаты показали, что научный интерес и полезность оказывали положительное косвенное влияние на научную идентичность через самоэффективность. Кроме того, они оказали косвенное влияние на достижения науки через научную идентичность и научную самоэффективность. Полученные данные достаточно хорошо подтверждают направление качественных исследований, согласно которому научная идентичность и достижения зависят от того, как учащиеся обрабатывают информацию, связанную с ними как с учеными, их способностями и полезностью для науки (Archer et al. , 2010; White et al. др., 2019). Эти результаты обеспечивают теоретическую основу для прямых и косвенных ассоциаций между некогнитивными переменными и научными достижениями, поддерживая ценный эмоциональный вклад характеристик, связанных с наукой. Система добавляет новые данные и расширяет ограниченные количественные исследования (Mohammadpour, 2013; Vincent-Ruz and Schunn, 2018; Alhadabi, 2020).

Это исследование, связанное с новаторским и новым алгоритмом интеллектуального анализа данных, выявило значительную неоднородность параметров модели среди учащихся. Пол был наиболее влиятельной ковариантой, которая произвела первое разделение данных, в результате чего образовались два узла, т. е. женщины и мужчины. Социально-экономический статус был второй значимой ковариантой с разными критическими значениями в узлах мужчин и женщин. То есть критическое значение СЭС составило ( t = 0,17) в мужском узле и ( t = 0,50) в женском узле. Ни одна из этнических групп не оказала существенного влияния на классификацию учащихся.

В результате учащиеся были разделены на четыре узла/подгруппы на основе изменчивости параметров модели, обусловленных двумя наблюдаемыми ковариатами. Эти узлы представляют собой (1) самцов с низким СЭС, (2) самцов с высоким СЭС, (3) самок с низким СЭС и (4) самок с высоким СЭС. Сила связей между изучаемыми переменными варьировала в четырех узлах. Например, связь между научным интересом и научной самоэффективностью имела самый сильный коэффициент (β = 0,48) у студенток с низким СЭС. Этот вывод означает, что развитие интереса к науке будет способствовать самоэффективности в науке у студенток с низким SES намного лучше, чем у других студентов, что согласуется с исследованием Vantieghem et al. (2014). С другой стороны, у юношей связь между интересом к науке и научной самоэффективностью имела самый сильный коэффициент (β = 0,40) среди студентов-юношей с высоким СЭС.

В двух словах, по женским узлам у студенток с низким SES были относительно более сильные связи между изучаемыми переменными, чем у девушек с более высоким SES. Это предполагает, что разработка некогнитивных переменных, связанных с наукой, значительно повлияет на научные достижения среди женщин с низким СЭС. В узлах мужского пола у студентов с низким СЭС прямые пути между изучаемыми переменными были относительно ниже, чем у мужчин с более высоким СЭС, за исключением путей f, т. е. от самоэффективности к достижениям, и путей с, т. е. от полезности к самоэффективности. Это означает, что проведение мероприятий, направленных на усиление научной самоэффективности и полезности, повысит научные достижения среди мужчин с низким СЭС.

Последствия и ограничения

Результаты этого исследования имеют плодотворное практическое применение. Педагоги и школьная администрация могут помочь учащимся лучше успевать в науке, укрепляя их интерес к науке, полезность, самоэффективность и идентичность. То есть педагоги могут разрабатывать мероприятия, способствующие созданию атмосферы обучения, которая развивает аффективные характеристики, связанные с наукой. Эти вмешательства могут быть адаптированы в соответствии с потребностями студенческих групп. Например, учащиеся с низким уровнем СЭП в основном выиграют от вмешательств, направленных на развитие научной самоэффективности и научной полезности. Для женщин с низким СЭС повышение интереса к науке и самоэффективности в науке может быть более продуктивным. Тем не менее, текущее исследование также имеет ограничения. В исследовании изучались демографические ковариаты, связанные со студентами. Ковариаты, связанные с семьей и школой, обеспечат более глубокое понимание скрытой изменчивости параметров модели, влияющих на научные достижения.

Заключение

В заключение хочу сказать, что процветание и прогресс в будущем глубоко укоренены в области STEM. Цель всех стран, включая США, состоит в том, чтобы повысить научные достижения среди старшеклассников, еще больше улучшив набор на специальности STEM на университетском уровне. Повышение охвата STEM не является конечной целью, гораздо важнее повышение качества и влияния будущих научных открытий и достижений. Тем не менее, существенная изменчивость очевидна в академической успеваемости среди старшеклассников. Эта изменчивость может быть связана с несколькими факторами. Среди этих факторов некогнитивные конструкты, связанные с наукой, оказывают значительное влияние на научные достижения, т. Е. Научный интерес, научная полезность, самоэффективность и научная идентичность. То есть студенты, которые концептуализируют себя как личности, занимающиеся наукой, т. е. научную идентичность, и актуализируют это восприятие, обладая продуктивными навыками и потенциалом, т. е. самоэффективностью в науке, будут более склонны преуспевать в науке. В то же время внутренние убеждения не изолированы от более широкого и более осязаемого восприятия инструментальных достоинств науки, т. е. полезности для науки, и острого любопытства и вовлеченности, т. е. интереса к науке. Связи между этими переменными не являются статичными для демографических групп учащихся. Выявление наиболее влиятельных ковариат, обусловленных этими ассоциациями, предлагает индивидуальные рекомендации, которые конструктивно способствовали бы научным достижениям для каждой группы.

Заявление о доступности данных

Первоначальные материалы, представленные в исследовании, включены в статью/дополнительный материал, дальнейшие запросы можно направлять соответствующему автору.

Заявление об этике

В соответствии с местным законодательством и институциональными требованиями для исследования с участием людей не требовалось этической проверки и одобрения. Письменное информированное согласие на участие в этом исследовании было предоставлено законным опекуном/ближайшим родственником участников.

Вклад автора

АА подготовил исследование, начав с определения проблемы, постановки вопросов исследования, обзора литературы, получения данных, проведения анализа и интерпретации результатов.

Конфликт интересов

Автор заявляет, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Примечание издателя

Все претензии, изложенные в этой статье, принадлежат исключительно авторам и не обязательно представляют претензии их дочерних организаций или издателя, редакторов и рецензентов. Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.

Ссылки

Ан, Дж. Н., Луна-Лусеро, М. Л., Ламнина, М., Найтингейл, М., Новак, Д., и Лин, X. Д. (2016). Мотивация студентов к обучению STEM с использованием биографической информации. Междунар. Дж. Дес. Учиться. 7, 1–11. doi: 10.14434/ijdl.v7i1.19409

Полный текст CrossRef | Google Scholar

Альхадаби, А. (2020). «Индивидуальное и контекстуальное влияние на научную идентичность среди американских учащихся 9-го класса (HSLS: 09): иерархическое линейное моделирование», на ежегодном собрании Американской ассоциации образовательных исследований (Сан-Франциско, Калифорния).

Альхадаби, А., и Карпински, А. (2019). Настойчивость, самоэффективность, ориентация на достижение целей и академическая успеваемость у студентов университетов. Междунар. Дж. Адолеск. Молодежь 25, 519–535. doi: 10.1080/02673843.2019.1679202

CrossRef Полный текст | Google Scholar

Альхадаби, А., и Ли, Дж. (2020). Траектории академических достижений в средних школах: модель смешения роста. J. Образование. Выпуски 6, 140–165. doi: 10.5296/jei.v6i1.16775

Полный текст CrossRef | Google Scholar

Арчер Л., Девитт Дж., Осборн Дж., Диллон Дж., Уиллис Б. и Вонг Б. (2010). «Заниматься наукой» или «быть» ученым: изучение научных построений 10-11-летних школьников через призму идентичности. Науч. Образовательный 94, 617–639. doi: 10.1002/sce.20399

Полный текст CrossRef | Google Scholar

Арнольд М., Фёлькле М. и Брандмайер А. (2021). Деревья моделей структурных уравнений на основе оценок. Фронт. Психол. 11, 1–18. doi: 10.3389/fpsyg.2020.564403

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Ашбахер П., Ли Э. и Рот Э. (2010). Является ли наука мной? Личность старшеклассников, участие и стремления в науке, технике и медицине. Дж. Рез. науч. Учить. 47, 564–582. doi: 10.1002/TEA.20353

Полный текст CrossRef | Google Scholar

Банчефски С., Вестфолл Дж., Парк Б. и Джадд К. (2016). Но ты не похож на ученого !: женщины-ученые с женственной внешностью считаются учеными с меньшей вероятностью. Половые роли 75, 95–109. doi: 10.1007/s11199-016-0586-1

CrossRef Full Text | Google Scholar

Брандмайер А., Приндл Дж., Линденбергер У. и Макардл Дж. (2016). Исследование, основанное на теории, с моделью леса структурного уравнения. Псих. Методы . 21, 566–582. doi: 10.1037/met0000090

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Брандмайер А., фон Эрцен Т., Макардл Дж. и Линденбергер У. (2013). Деревья моделей структурных уравнений. Психолог. Методы 18, 71–86. doi: 10.1037/a0030001

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Брандмайер А., фон Эрцен Т., Макардл Дж. и Линденбергер У. (2014). «Исследовательский анализ данных с помощью деревьев моделей структурных уравнений», в Современные проблемы исследовательского интеллектуального анализа данных в поведенческих науках , редакторы Дж. Макардл и Г. Ритчард (Нью-Йорк, штат Нью-Йорк: Routledge, Taylor and Francis Group), 96–127.

Google Scholar

Дюпри М., Пратт Д., Джуэлл Д., Коминол М., Фрич Л., Ричи Э. и др. (2018). Продольное исследование средней школы 2009 г. (HSLS: 09): документация файла данных от базового года до второго последующего наблюдения (NCES 2018-140). Национальный центр статистики образования . Доступно в Интернете по адресу: https://nces.ed.gov/pubsearch.

Экклс, Дж. С., и Вигфилд, А. (2002). Мотивационные убеждения, ценности и цели. год. Преподобный Психолог. 53, 109–132. doi: 10.1146/annurev.psych.53.100901.135153

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Элиас С. и Макдональд С. (2007). Использование прошлой успеваемости, прокси-эффективности и академической самоэффективности для прогнозирования успеваемости в колледже. J. Appl. соц. Психол. 37, 2518–2531. doi: 10.1111/j.1559-1816.2007.00268.x

Полный текст CrossRef | Академия Google

Эриксон, Э. (1980). Личность и жизненный цикл . Нью-Йорк, штат Нью-Йорк: В.В. Norton & Co.

Google Scholar

Филд А. (2009). Обнаружение статистики с помощью SPSS, 3-е изд. . Таузенд-Оукс, Калифорния: SAGE Publications, Inc.

Google Scholar

Джордж Р. (2006). Междисциплинарный анализ изменения отношения учащихся к науке и отношения к полезности науки. Междунар. J. Sci. Образовательный 28, 571–589. дои: 10.1080/095006

338755

CrossRef Полный текст | Google Scholar

Гринфилд, Т. (1997). Гендерные и школьные различия в интересе и участии в науке. науч. Эду . 81, 259–275. doi: 10.1002/(SICI)1098-237X(199706)81:3<259::AID-SCE1>3.0.CO;2-C

CrossRef Full Text | Google Scholar

Грубингер Т., Зейлейс А. и Пфайффер К. (2011). Evtree: эволюционное изучение глобально оптимальных деревьев классификации и регрессии в R. J. Stat. ПО 61, 1–29. doi: 10.18637/jss.v061.i01

Полный текст CrossRef | Google Scholar

Ханушек Э., Петерсон П., Талпи Л. и Вёссманн Л. (2019). Неизменный разрыв в успеваемости SES: тенденции в успеваемости учащихся США . Доступно в Интернете по адресу: http://search.ebscohost.com/login.aspx?direct=true&AuthType=ip&db=edsrep&AN=edsrep.p.ecl.harjfk.rwp19.012&site=eds-live&scope=site (по состоянию на март 2019 г.).

Google Scholar

Хапфельмайер А. и Ульм К. (2013). Новый подход к выбору переменных с использованием случайных лесов. Вычисл. Стат. Анализ данных. 60, 50–69. doi: 10.1016/j.csda.2012.09.020

CrossRef Полный текст | Google Scholar

Хейс Т., Усами С., Якобуччи Р. и Макардл Дж. (2015). Использование деревьев классификации и регрессии (CART) и случайных лесов для анализа убыли: результаты двух симуляций. Психолог. Старение 30, 911–929. doi: 10.1037/pag0000046

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Хазари З. , Потвин Г., Криббс Дж., Годвин А., Скотт Т. и Клотц Л. (2017). Интерес к STEM заразителен для студентов, изучающих биологию, химию и физику. Науч. Доп. 3:e1700046. doi: 10.1126/sciadv.1700046

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Хилл П., Шпигель А., Маккуиллан Дж. и Даймонд Дж. (2018). Ориентация на открытие, когнитивные схемы и различия в научной идентичности в раннем подростковом возрасте. Соц. Перспектива. 61, 99–125. doi: 10.1177/0731121417724774

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Хонике, Т., и Бродбент, Дж. (2016). Влияние академической самоэффективности на успеваемость: систематический обзор. Учеб. Рез. Ред. 17, 63–84. doi: 10.1016/j.edurev.2015.11.002

CrossRef Полный текст | Google Scholar

Хойл, Р. (1995). Структурное моделирование уравнение. Таузенд-Оукс, Калифорния: Sage Publications.

Google Scholar

Хуанг, К. (2016). Цели достижения и самоэффективность: метаанализ. Учеб. Рез. Ред. 19, 119–137. doi: 10.1016/j.edurev.2016.07.002

CrossRef Full Text | Google Scholar

Халлеман, К., и Харакевич, Дж. (2009 г.). Повышение интереса и успеваемости на уроках естествознания в средней школе. Наука 326, 1410–1412. doi: 10.1126/science.1177067

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Ингельс С., Пратт Д., Хергет Д., Бернс Л., Девер Дж., Оттем Р. и др. (2011). Продольное исследование средней школы 2009 г. (HSLS: 09). Документация файла данных базового года (NCES 2011-328). Министерство образования США. Вашингтон, округ Колумбия: Национальный центр статистики образования.

Google Scholar

Якобуччи Р., Макардл Дж. и Гримм К. (2017). Сравнение методов выявления неоднородности выборки: деревья моделей структурных уравнений и модели конечных смесей. Структура. Уравнение модели . 24, 270–282. doi: 10.1080/10705511. 2016.1250637

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Ким А. и Синатра Г. (2018). Развитие научной идентичности: интеракционистский подход. Междунар. J. STEM Educ. 5, 2–6. дои: 10.1186/s40594-018-0149-9

Реферат PubMed | Полный текст перекрестной ссылки | Google Scholar

Ким, М. (2018). Понимание детской научной идентичности через взаимодействие в классе. Междунар. J. Sci. Эду. 40, 24–45. doi: 10.1080/09500693.2017.1395925

CrossRef Full Text | Google Scholar

Кирбулут З. и Узунтиряки-Кондакчи Э. (2018). Изучение опосредующего эффекта научной самоэффективности на взаимосвязь между метапеременными и научными достижениями. Междунар. J. Sci. Образовательный 41, 995–1014. doi: 10.1080/09500693.2019.1585594

CrossRef Полный текст | Google Scholar

Лущинская А. и Шварцер Р. (2005). Многомерный локус контроля здоровья: комментарии к конструкции и ее измерению. Журнал психологии здоровья , 10 (5), 633–642. doi: 10.1177/1359105305055307

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Марсия, Дж. (1980). «Идентичность в подростковом возрасте», в Handbook of Adolescent Psychology 9.0007 , изд. Дж. Адельсон (Нью-Йорк, штат Нью-Йорк: Wiley), 159–187.

Google Scholar

Мохаммадпур, Э. (2013). Трехуровневый многоуровневый анализ научных достижений сингапурских восьмиклассников. Учиться. Индивид. Отличаться. 26, 212–220. doi: 10.1016/j.lindif.2012.12.005

Полный текст CrossRef | Google Scholar

National Science Board (2016). Science and Engineering Indicators 2016. Арлингтон, Вирджиния: Национальный научный фонд (NSB-2016-1) . Доступно в Интернете по адресу: https://www.nsf.gov/nsb/publications/2016/nsb20161.pdf (по состоянию на январь 2016 г.).

О’Рейли, Т., и Макнамара, Д. (2007). Влияние научных знаний, навыков чтения и знаний о стратегиях чтения на более традиционные «высокие ставки» показателей научных достижений старшеклассников. утра. Образовательный Рез. Дж. 44, 161–196. doi: 10.3102/0002831206298171

CrossRef Полный текст | Google Scholar

Осборн, Дж. (2003). Отношение к науке: обзор литературы и его значение. Междунар. J. Sci. Образовательный 25, 1049–1079 doi: 10.1080/09500600032199

Полнотекстовая перекрестная ссылка | Google Scholar

Потвин П. и Хасни А. (2014). Интерес, мотивация и отношение к науке и технологиям на уровнях K-12: систематический обзор 12-летних исследований в области образования. Шпилька. науч. Образовательный 50, 85–129. doi: 10.1080/03057267.2014.881626

CrossRef Полный текст | Google Scholar

R Core Team (2020). R: Язык и среда для статистических вычислений [Руководство по компьютерному программному обеспечению] . Доступно в Интернете по адресу: http://www.R-project.org/ (по состоянию на 25 августа 2021 г.).

Google Scholar

Радунцель Дж., Маттерн К. и Вестрик П. (2017). Кто объявит майор STEM? Роль достижений и интересов . Серия отчетов об исследованиях ACT 2017-4. ACT, Inc. (2012). lavaan: пакет R для моделирования структурных уравнений. J. Стат. ПО . 48, 1–36. doi: 10.18637/jss.v048.i02

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Розек К., Свобода Р., Харацкевич Дж., Халлеман К. и Хайд Дж. (2017). Полезное взаимодействие с родителями улучшает подготовку учащихся к STEM и их карьере. Проц. Натл. акад. науч. США 114, 909–913. doi: 10.1073/pnas.1607386114

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Райан Р. М. и Деси Э. Л. (2017). Теория самоопределения: основные психологические потребности в мотивации, развитии и благополучии . Нью-Йорк, штат Нью-Йорк: Издательство Гилфорд. doi: 10.1521/978.14625/28806

Полный текст CrossRef | Google Scholar

Шульц П., Эрнандес П., Вудкок А., Эстрада М., Чанс Р., Агилар М. и др. (2011). Исправление проблемы: сокращение образовательного неравенства в области естественных наук с помощью программ обучения меньшинств. Учеб. оценка Политический анал. 33, 95–114. дои: 10.3102/0162373710392371

Реферат PubMed | Полный текст перекрестной ссылки | Google Scholar

Шумакер Р. и Ломакс Р. (2016). Руководство для начинающих по моделированию структурными уравнениями, 4-е изд. . Нью-Йорк, штат Нью-Йорк: группы Тейлор и Фрэнсис.

Google Scholar

Шин Д., Ли М., Ха Дж., Парк Дж., Ан Х., Сон Э. и др. (2019). Наука для всех: Повышение научной мотивации учащихся начальной школы с помощью вмешательства в полезность. Учиться. Инстр. 60, 104–116. doi: 10.1016/j.learninstruc.2018.12.003

Полнотекстовая перекрестная ссылка | Google Scholar

Симпкинс С., Дэвис-Кин П. и Экклс Дж. (2006). Математическая и научная мотивация: продольное исследование связей между выбором и убеждениями. Дев. Психол. 42, 70–83. doi: 10.1037/0012-1649.42.1.70

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Сингх К., Гранвилли М. и Дика С. (2002). Достижения в области математики и естественных наук: влияние мотивации, интереса и академической активности. J. Образование. Рез. 95, 323–332. doi: 10.1080/00220670209596607

CrossRef Full Text | Google Scholar

Стетс Дж., Бреннер П., Берк П. и Серп Р. (2017). Научная идентичность и вхождение в науку. Соц. науч. Рез. 64, 1–14. doi: 10.1016/j.ssresearch.2016.10.016

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Бюро статистики труда США (2020 г.). Работа в сфере STEM . Доступно в Интернете по адресу: https://www.bls.gov/emp/tables/stem-employment.htm (по состоянию на 9 апреля)., 2021).

Усами, С., Хейс, Т., и Макардл, Дж. (2017). Подгонка деревьев моделей структурных уравнений и смешанных моделей скрытых кривых роста в продольных планах: влияние неправильной спецификации модели. Структура. Уравнение модели . 24, 585–598. doi: 10.1080/10705511.2016.1266267

CrossRef Full Text | Google Scholar

Вантигем В. , Вермеерш Х. и Ван Хаутте М. (2014). Преодоление гендерной дихотомии в исследованиях гендерного разрыва в образовании: связь между гендерной идентичностью и академической самоэффективностью. Контемп. Образовательный Психол. 39, 369–378. doi: 10.1016/j.cedpsych.2014.10.001

CrossRef Полный текст | Google Scholar

Винсент-Руз, П., и Шунн, К. (2018). Природа научной идентичности и ее роль как движущей силы выбора учащихся. Междунар. J. STEM Educ. 5, 1–12. doi: 10.1186/s40594-018-0140-5

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Уайт А., Ким С. и ДеКуир-Ганби Дж. (2019). Смешанные методы исследования взаимосвязи между расовой идентичностью, научной идентичностью, научной самоэффективностью и научными достижениями афроамериканских студентов HBCU. Контемп. Образовательный Психол. 57, 54–71. doi: 10.1016/j.cedpsych.2018.11.006

CrossRef Полный текст | Google Scholar

Уильямс Д., Брюле Х., Келли С. и Скиннер Э. (2018). Наука в учебных садах (SciLG): исследование мотивации, достижений и научной идентичности учащихся в средних школах с низким доходом. Междунар. J. STEM Educ. 5, 1–14. doi: 10.1186/s40594-018-0104-9

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Zhai, J., Jocz, J., and Tan, A. (2014). Я похож на ученого? Первичные детские образы занятий наукой в ​​школе. Междунар. J. Sci. Образовательный 36, 553–576. doi: 10.1080/09500693.2013.791958

CrossRef Полный текст | Google Scholar

Общественность восхваляет науку; Ученые виноваты Общественность, СМИ

Американцы любят науку. Подавляющее большинство говорит, что наука оказала положительное влияние на общество и облегчила жизнь большинству людей. Большинство также говорят, что государственные инвестиции в науку, а также в инженерию и технологии окупаются в долгосрочной перспективе. И ученые очень высоко оцениваются по сравнению с представителями других профессий: только военные и учителя чаще рассматриваются как вносящие большой вклад в благосостояние общества.

Однако общественность гораздо менее позитивно относится к мировому положению науки США, чем сами ученые. Всего 17% населения считает, что научные достижения США считаются лучшими в мире.
Опрос более 2500 ученых, проведенный в сотрудничестве с Американской ассоциацией содействия развитию науки (AAAS), показал, что почти половина (49%) считают научные достижения США лучшими в мире. На вопрос о своей научной специальности примерно столько же ученых (45%) оценивают научные достижения США как лучшие в мире.

Есть признаки того, что общественность также несколько менее уверена в научных достижениях Америки, чем когда-то. Значительно меньше американцев добровольно называют научные достижения одним из самых важных достижений страны, чем десять лет назад (27% сегодня, 47% в мае 1999 г.). Например, десять лет назад 18% назвали освоение космоса и высадку на Луну главным достижением страны в ХХ веке. Сегодня 12% считают это величайшим достижением за последние 50 лет.

В то время как общественность высоко ценит ученых, многие ученые высказывают неблагоприятные, если не критические оценки знаний и ожиданий публики. Целых 85% считают отсутствие научных знаний у населения серьезной проблемой для науки, и почти половина (49%) обвиняют общественность в нереалистичных ожиданиях относительно скорости научных достижений.

Значительный процент ученых также говорит, что средства массовой информации плохо просвещают общественность. Около трех четвертей (76%) говорят, что серьезной проблемой для науки является то, что в новостях не проводится различие между хорошо обоснованными и необоснованными выводами. А 48% говорят, что чрезмерное упрощение научных результатов в СМИ является серьезной проблемой. Ученые особенно критически относятся к освещению науки в телевизионных новостях. Только 15% ученых оценивают освещение на телевидении как отличное или хорошее, а 83% считают его удовлетворительным или плохим. Газетное освещение науки оценивается несколько лучше; тем не менее, едва ли треть (36%) ученых считают его отличным или хорошим, а 63% оценивают его как удовлетворительный или плохой.

Хотя ученые в целом оптимистично оценивают состояние своей профессии, они видят несколько препятствий для проведения высококачественных фундаментальных исследований. Как и следовало ожидать, самым большим препятствием является отсутствие финансирования; более восьми из десяти говорят, что это очень серьезное (46%) или серьезное (41%) препятствие для исследований. Большинство (56%) также считает, что визовые и иммиграционные проблемы для иностранных ученых и студентов мешают проведению качественных исследований. Гораздо меньший процент говорит, что регулирование исследований на животных (27%) или другие факторы являются серьезными препятствиями для научных исследований.

Пункты соглашения

Исследование мнений о состоянии науки и ее влиянии на общество было проведено Pew Research Center for the People & Press в сотрудничестве с Американской ассоциацией содействия развитию науки (AAAS). , крупнейшее в мире общее научное общество. Опрос населения проводился по стационарным и мобильным телефонам среди 2001 взрослого человека 28 апреля – 12 мая; онлайн-опрос ученых проводился среди выборки из 2533 членов AAAS с 1 мая по 14 июня. Вопросы о научных знаниях были включены в отдельный опрос широкой общественности, проведенный по стационарным и мобильным телефонам среди 1005 взрослых 18-21 июня. .

Несмотря на то, что ученые выражают недовольство общественностью, между общественностью и научным сообществом есть некоторые существенные точки соприкосновения. Во-первых, большинство представителей обеих групп считают достижения в области медицины и наук о жизни важными достижениями науки. Около половины опрошенных (52%) ссылаются на медицину, включая здравоохранение, вакцины и лекарства, когда их просят описать, как наука положительно влияет на общество; для сравнения, только 7% упоминают связь и компьютерные технологии. Точно так же большинство ученых (55%) упоминают биомедицинские или медицинские открытия, когда их спрашивают о величайшем научном достижении страны за последние 20 лет.

Между общественностью и учеными также существует общее мнение относительно ключевой роли правительства в финансировании научных исследований. По мнению ученых, государственные учреждения и агентства являются доминирующими спонсорами исследований: 84% называют государственные учреждения важным источником финансирования своей специальности, при этом почти половина конкретно ссылается на Национальные институты здравоохранения (49%) или Национальный научный фонд. (47%). Половина ученых (50%) называют негосударственные источники финансирования одними из самых важных в своей области.

Большинство населения (60%) считает, что государственные инвестиции в исследования необходимы для научного прогресса; только около половины этого процента (29%) считают, что частные инвестиции обеспечат достаточный научный прогресс даже без вмешательства государства.

Кроме того, большой процент населения считает, что государственные инвестиции в фундаментальные научные исследования (73%), а также в разработку и технологии (74%) окупаются в долгосрочной перспективе. Примечательно, что партийные различия в этих взглядах довольно скромны: 80% демократов и 68% республиканцев говорят, что государственные инвестиции в фундаментальную науку окупаются в долгосрочной перспективе. Сопоставимые проценты демократов и республиканцев говорят то же самое о государственных инвестициях в инженерию и технологии.

В этом отношении общественное мнение о том, следует ли увеличить, уменьшить или оставить прежним финансирование научных исследований, мало изменилось с начала десятилетия. В настоящее время более чем в два раза больше людей говорят, что, если бы им была поставлена ​​задача формирования бюджета федерального правительства, они бы увеличили (39%), а не уменьшили (14%) финансирование научных исследований; 40% говорят, что они будут продолжать тратить как есть. Это практически не изменилось по сравнению с 2001 годом, когда 41% заявили, что увеличат финансирование научных исследований.

Как и в прошлом, научные исследования занимают второе место в списке приоритетов финансирования, значительно уступая образованию (увеличение финансирования на 67%), пособиям для ветеранов (63%) и здравоохранению (61%). Но с 2001 года поддержка увеличения финансирования в ряде областей, включая образование и здравоохранение, уменьшилась. За тот же период мнения о финансировании научных исследований оставались более стабильными.

Разногласия между учеными и общественностью

Общественность и ученые в целом сходятся во мнении о важности государственного финансирования научных исследований, но существуют существенные расхождения во мнениях ученых и общественности по различным научным и общественным вопросам. Ученые гораздо менее критичны, чем широкая общественность, в отношении деятельности правительства. Лишь 40% ученых согласны с тем, что «когда чем-то управляет государство, оно обычно неэффективно и расточительно»; большинство населения (57%) согласно с этим утверждением.

Ученые также более критически относятся к бизнесу; они примерно в два раза реже, чем общественность, говорят, что «бизнес-корпорации обычно находят справедливый баланс между получением прибыли и служением общественным интересам» (20% ученых против 37% общественности).

Когда речь идет о современных научных проблемах, эти различия часто еще больше. В частности, 87% ученых говорят, что люди и другие живые существа эволюционировали с течением времени и что эволюция является результатом естественных процессов, таких как естественный отбор. Только 32% населения считают это правдой.

Практически единодушное мнение ученых о глобальном потеплении не находит отражения в широкой публике. В то время как 84% ученых говорят, что Земля становится теплее из-за деятельности человека, такой как сжигание ископаемого топлива, с этим согласны только 49% общественности.

Более девяти из десяти ученых (93%) выступают за использование животных в научных исследованиях, но только около половины населения (52%) с этим согласны. Также существуют большие различия в пропорциях ученых (93%) и общественности (58%), которые выступают за федеральное финансирование исследований эмбриональных стволовых клеток. Меньше раскола по поводу необходимости всеобщих прививок: 82% ученых и 69% населения в целом считают, что все дети должны быть обязательно вакцинированы. Всего 17% ученых и 28% населения считают, что родители должны иметь возможность решить не вакцинировать своих детей.

Несмотря на эти различия, на науку и ученых положительно смотрят те, кто расходится во мнениях относительно эволюции, глобального потепления и других спорных вопросов.

Например, в вопросе эволюции 78% тех, кто говорит, что люди и другие живые существа эволюционировали с течением времени благодаря естественному отбору и другим естественным процессам, говорят, что ученые вносят большой вклад в благосостояние общества. Те, кто говорит, что люди и другие живые существа существовали в их нынешнем виде с незапамятных времен, выражают менее позитивное мнение ученых; тем не менее, 63% из них говорят, что ученые внесли большой вклад в развитие общества.

Существуют также лишь скромные различия во взглядах ученых между теми, кто говорит, что глобальное потепление вызвано деятельностью человека, и теми, кто говорит, что нет убедительных доказательств того, что земля нагревается. Кроме того, те, кто говорит, что наука иногда противоречит их собственным религиозным убеждениям — 36 % населения, — лишь немногим реже, чем те, кто не видит противоречий, говорят, что ученые вносят большой вклад в общество (67 %, 72 % соответственно). ).

Хорошие времена для науки

Опрос показывает, что ученые оптимистично оценивают состояние своей профессии. Три четверти (76%) говорят, что это в целом хорошее время для науки, и почти столько же (73%) говорят, что это хорошее время для их научной специальности. Положительные взгляды разделяют ученые независимо от специальности. Кроме того, несмотря на плохую экономическую ситуацию, 67% говорят, что сейчас либо очень хорошее время (17%), либо хорошее время (50%) для начала карьеры в своей научной сфере.

Политика может сыграть определенную роль в положительном подходе опрошенных ученых к оценке времени. Более половины опрошенных ученых (55%) говорят, что они демократы, по сравнению с 35% населения. Целых 52% ученых называют себя либералами; среди населения только 20% называют себя либералами. Многие из опрошенных ученых упомянули в своих открытых комментариях, что они с оптимизмом смотрят на вероятное влияние администрации Обамы на науку.

Со своей стороны, общественность не воспринимает ученых как особо либеральную группу. На вопрос, считают ли они ученых либеральными, консервативными или ни тем, ни другим, почти две трети (64%) выбрали второй вариант. Только 20% считают ученых политически либеральными. Однако большинство ученых (56%) считают представителей своей профессии либеральными.

Большинство ученых хотя бы немного слышали о заявлениях о том, что правительственным ученым не разрешается сообщать о результатах исследований, противоречащих точке зрения администрации Буша. И подавляющее большинство (77%) говорит, что эти утверждения верны. Напротив, эти заявления почти не были зарегистрированы общественностью – более половины вообще ничего не слышали об этом вопросе. Лишь около четверти опрошенных (28%) заявили, что считают эти заявления правдой.

И ученые, и общественность в подавляющем большинстве говорят, что ученым уместно принимать активное участие в политических дебатах по таким вопросам, как ядерная энергетика или исследования стволовых клеток. Практически все ученые (97%) одобряют свое участие в дебатах по этим вопросам, в то время как 76% общественности согласны.

Научные знания

Американцы осведомлены об основных научных фактах, влияющих на их здоровье и повседневную жизнь. Но общественность менее способна ответить на вопросы о более сложных научных темах.

Викторина из 12 пунктов, проводимая для публики, доступна онлайн. Если вы хотите пройти тест, прежде чем читать этот раздел, нажмите здесь.

Полностью 91% населения знают, что аспирин — это безрецептурный препарат, рекомендуемый для предотвращения сердечных приступов, и 82% знают, что технология GPS зависит от спутников. И темы, освещаемые в основных новостях, также широко известны; 77% правильно определяют землетрясения как причину цунами, а 65% могут определить CO2 как газ, связанный с повышением температуры.

Чуть больше половины (54%) знают, что антибиотики не убивают вирусы вместе с бактериями, и примерно такой же процент (52%) знает, что стволовые клетки отличаются от других клеток тем, что они могут развиваться во множество различных типов клеток . А некоторые школьные научные знания недоступны большинству американцев: менее половины (46%) знают, что электроны меньше атомов.

Предыдущие Опросы Pew Research Center показали, что молодые люди плохо информированы о текущих событиях и политике. Но это не относится к научному знанию. На самом деле, люди моложе 30 лет получают более высокие баллы в тесте знаний, чем люди в возрасте 65 лет и старше. Тем не менее, наиболее информированными о науке, согласно результатам этой викторины, являются люди в возрасте от 30 до 49 лет..

Женщины в науке | История, достижения и факты

Во время своей речи на вручении ежегодной премии за достижения 1929 года Pictorial Review Флоренс Рена Сабин сказала: все, что нам, женщинам, нужно сделать, чтобы оказать должное влияние, это просто использовать все свои мозги.

Сабин, анатом, был одним из ведущих ученых в Соединенных Штатах. В 1925 году она стала первой женщиной, избранной в Национальную академию наук США. Но она недооценила проблемы, стоящие перед женщинами-учеными. На протяжении всей истории одного интеллекта редко было достаточно, чтобы гарантировать женщинам роль в процессе изучения и объяснения мира природы.

Женщины-ученые в древнем мире и средневековье

Исследователи могут только догадываться об относительных ролях мужчин и женщин тысячи лет назад, когда они строили жилища и одежду, приручали огонь и приручали животных и растения. Известно, что до великих цивилизаций ранней Греции и Рима женщины занимались медициной в Древнем Египте. Мерит Птах, жившая примерно в 2700–2500 годах до н. э., описана на ее могиле как «главный врач». В Древней Греции, возникшей примерно в 8 веке до н. э., размышления о природе реальности, о здоровье и болезнях стали в первую очередь мужскими усилиями. Но к тому времени, когда Римская империя достигла своего заката в 4 веке н.э., женщина, Гипатия Александрийская, стала символом учености и науки. Гипатия, жившая с 370 по 415 год н. э., была математиком, возглавившим неоплатоническую философскую школу своего города. К сожалению, она была насильственной смертью от рук христианской мафии, ложно заподозрившей ее в политических интригах.

Женщинам жилось немногим лучше в Средние века, поскольку их исключали из университетов, которые начали основываться в Европе с конца 11 века. В этот период монастыри служили убежищем, где женщины могли стать значительными учеными. В 12 веке аббатиса Хильдегард Бингенская (Святая Хильдегард) написала книги о мире природы, причинах и методах лечения болезней. Многие другие женщины во всем мире в то время также практиковали медицину и травничество в своих домах и общинах.

От Просвещения до XIX века

Высшее образование в период раннего Нового времени было доступно только выходцам из особо просвещенных и богатых семей. В 1667 году Маргарет Кавендиш, герцогиня Ньюкаслская, посетила собрание только что созданного Лондонского Королевского общества. В то время, когда большинство писательниц использовали мужские псевдонимы, она писала под своим именем на многие темы, включая экспериментальную философию (физику).

Оформите подписку Britannica Premium и получите доступ к эксклюзивному контенту.
Подпишитесь сейчас

В 18 веке эпоха Просвещения, или Эпоха Разума, открыла перед некоторыми женщинами новые возможности. В Болонском университете в Италии физик-ньютонианец Лаура Басси была назначена профессором как анатомии, так и экспериментальной философии, что сделало ее первой женщиной в мире, занявшей такие должности. Папа Бенедикт XIV присвоил математику Марии Гаэтане Аньези звание профессора, которое она занимала в том же университете в качестве почетного звания. Во Франции высокий социальный статус математиков Эмили дю Шатле, выполнившей некоторые из своих самых влиятельных работ в 1730-х годах, и Софи Жермен, которая была видна в конце 1700-х и начале 1800-х годов, позволил им работать независимо и получить признание их сверстники-мужчины. Примерно в то же время британский астроном немецкого происхождения Уильям Гершель сделал свою сестру Кэролайн Лукрецию Гершель своим главным помощником. Кэролайн выполнила расчеты для исследований своего брата, самостоятельно открыла несколько комет и опубликовала исчерпывающую версию звездного каталога. Она получала пенсию от короля Георга III в качестве оплаты за свою работу, как и ее современница, шотландский математик и астроном Мэри Сомервиль. В 1835 году обе женщины были избраны почетными членами Королевского астрономического общества.

На протяжении 19 века женщины в Европе и Соединенных Штатах активно боролись за право на такое же образование, как и мужчины, и некоторые известные пионеры добились успеха, несмотря на социальные препятствия на их пути. В 1849 году Элизабет Блэквелл, родившаяся в Великобритании и чья семья иммигрировала в Соединенные Штаты в 1832 году, стала первой женщиной, получившей медицинское образование, если не считать Джеймса Барри, британского военного хирурга, который, как многие считают, был женщиной. жил как мужчина и в 1812 году получил квалификацию врача. Русскому математику Софье Васильевне Ковалевской, которая стала первой женщиной в современной Европе, получившей степень доктора математики, запретили учиться в университетах на родине. Она получила степень в университете в Германии, а позже была избрана профессором Стокгольмского университета в Швеции.

Рост женского высшего образования в XIX и начале XX веков

В 19-м и начале 20-го веков, как в Соединенных Штатах, так и в Соединенном Королевстве, создание женских колледжей впервые предоставило женщинам-ученым четкую возможность карьерного роста. Хотя некоторые женщины могли работать в качестве отдельных ученых, многие из них выиграли от того, что было описано как «эффект гарема», когда ученые-мужчины нанимали группы женщин-помощниц. В этот период многие женщины внесли значительный вклад в науку, в том числе астрономы Уильямина Патон, Стивенс Флеминг и Энни Джамп Кэннон, которые классифицировали звезды для американского физика и астронома Эдварда Пикеринга в обсерватории Гарвардского колледжа. Британский ботаник и генетик Ребекка Сондерс и британский биохимик Мюриэль Уэлдейл внесли свой вклад в создание современной генетики благодаря своей работе с британским биологом Уильямом Бейтсоном в Кембриджском университете в Англии.