Integrating Indigenous Knowledge into Science Technology, Engineering, and Mathematics using Virtual Space: A Mission Impossible?
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 51
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MEDIA-15-3_002
تاریخ نمایه سازی: 14 مهر 1403
چکیده مقاله:
While South African curricula require the incorporation of Indigenous Knowledge (IK) into Science, Technology, Engineering, and Mathematics (STEM), it is not clear what IK educators should include in STEM. The onus is on lecturers to decide what exactly should be taught and what pedagogy to use. The purpose of this discourse is to explore the integration of IK into Western knowledge (WK) using virtual space. The discourse is about the challenges of using virtual space to increase the applicability of IK in STEM subjects at schools and institutions of higher learning. These challenges emanate from IK being tacit and not digitized, place-specific, and incompatibility with WK. The IK knowledge is with custodians who share it with their few selected children, which makes it less accessible to schools. Also, because of a lack of curriculum clarity of what is available either in print or in digital formats that can be taught and assessed, there is a lack of skills in IK teaching, educators’ negative attitudes towards IK, and a lack of learning materials to support learning. Despite these challenges, the Information, Communication, Distribution, and Transaction (ICDT) model and the Indigenous Institutional Theory (ITT) can be blended, forming Valorizing Indigenous Knowledge (VIK) to integrate IK in STEM. Hence, the impossible mission can be possible.
کلیدواژه ها:
نویسندگان
Israel Kibirige
Department of Mathematics, Science and Technology Education (DMSTE), University of Limpopo, Polokwane, South Africa
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :