关注美国学生的 STEM 教育

少数族裔媒体服务中心 (Ethnic Media Services, EMS) 于 10 月 11 日组织了新闻发布会,  关注 “ 让学生接受 STEM “。科学 (Science)、技术 (Technology)、工程 (Engineering) 和数学 (Mathematics) 领域的职业,  是美国收入最高的职业之一。STEM 职业包括物理、生命和地球科学；工程和建筑；计算和数学；以及与健康相关的工作，包括医疗服务提供者和技术人员。这些领域的从业人员平均年薪超过 10 万美元，而全国平均工资为 4.6 万美元。美国是世界研发领域的领先者，但本土劳动力严重短缺。美国大约 43% 的 STEM 工作者来自国外。这一缺口对有色人种学生、女孩以及低收入儿童来说至关重要。演讲者将讨论让孩子们参与 STEM 职业的新举措，以及课堂上的一些障碍。

EdSource 临时首席执行官 Louis Freedberg 博士讨论了 STEM 教育缺乏资金和资源的问题, 他说, “ 这不仅是一个经济问题，也是低收入学生、有色人种和女孩的民权问题，她们无法获得 STEM 课程和支持计划，因此在 STEM 职业中代表性不足。早期对数学和科学的兴趣, 是学生是否追求 STEM 的关键指标。到了高中, 高级或基础 STEM 课程的入学率不成比例。我们必须尽早开始解决这些差距,  我们必须向学生展示, 他们在课堂上学到的东西, 与他们的职业相关，而不仅仅是抽象的。”

康普顿联合学​​区负责人, Darin Brawley 博士, 自 2012 年起担任 CUSD 主管, 分享了一位父亲的反馈，他很高兴自己的孩子, 能在公立学校系统, 接受出色的 STEM 教育。黑人和拉丁裔或西班牙裔工人在 STEM 职业中的代表性特别低。位于洛杉矶县南部的康普顿联合学​​区 (CUSD) 开创了一种突破性的模式，让学生在 STEM 方面表现出色。在过去十年中，该学区中收入较低的黑人和拉丁裔学生比例超过 98%，选择 STEM 职业的比例,  从 24% 增加了一倍多达到 52%，而学区毕业率飙升超过 90%,  高于全国平均水平 87%。根据 2021 年皮尤数据，在 25 岁及以上的就业成年人中，黑人劳工占所有 STEM 工作的 9%，而和占所有工作的 11%，而西班牙裔劳工占 STEM 工作的 8%，而占所有工作的 17%。相比之下，亚裔劳工占 STEM 工作的 13%，而占所有工作的 6%，白人劳工占 STEM 工作的 67%，而占所有工作的 63%。他说, “ 十年前我们就认定康普顿的学生, 没有理由不享有富裕学区学生享有的机会。因此我们加入了创新学校数字承诺联盟，并提供了超过任何公立学区的 STEM 机会。这些机会包括: 学前班和小学的乐高机器人；初中和高中的编码、数学和视频游戏设计项目；3D 打印、无人机航空、电子竞技、电路设计、播客、工程、VR 和 AI 课程；STEM 教师培训；以及通过与 IBM、Verizon、波音、RTX 和 Apple 等公司合作, 为学生提供职业培训和早期认证。我们正在打破企业界的一句老话，即学校没有为学生做好就业和全球经济的准备。” 

加州大学圣克鲁斯分校海洋生物学和环境科学双专业的大一新生 Isis Cadena Nuñez 分享了她在康普顿联合学​​区的经历，以及该学区如何为她在大学学习 STEM 做好准备。她说, “ 这可以复制吗？是的,  学生对多个领域感兴趣至关重要, 比如编码、无人机和电子竞技。此外 98% 的家长, 希望他们的孩子能够接触 STEM。我真的没想到我能在这里取得成功，但我现在在这里，做着我想做的事情，成为我们这一代第一个上大学的人。康普顿联合学​​区通过双学分副学士学位课程等项目, 为她做好了目前在环境保护方面的准备；领导力训练营，如变革推动者和科学咖啡馆；以及与女性 STEM 工作者和来自主要大学的有色人种的交流、职业博览会和求职面试准备活动。康普顿提供的大部分是来自教师的支持，以推动学生超越自我，无论他们来自哪里。”

Girls Who Code 的首席项目官 Daniel Voloch 讨论了 STEM 领域的女性，以及他的组织如何努力增加计算机科学和相关 STEM 领域的女性人数。自 2012 年以来，Girls Who Code 通过免费的编码和技术指导计划, 帮助了超过 50 万名女孩，其中一半以上是低收入或有色人种，从三年级到高中。他说, “ 尽管女性占 STEM 工作者的 50%，略高于她们在整体劳动力中的 47%，但这一比例在各个领域存在巨大差异。例如虽然女性占卫生从业人员和技术人员的 74%，但她们僅占工程师和建筑师的 15%，占计算机工作者的 25%。拉丁裔女性仅占计算机工作者的 5%。这家国际非营利组织的学生, 获得计算机科学和相关学位的人数, 是全国平均水平的七倍, 我们有望在 2030 年前, 实现入门级计算机工作的性别平等。技术的未来, 取决于那些开发技术的人, 我们仍然看到很多学生说，他们是计算机科学课堂上唯一的有色人种女性，或仅有的几位女性之一。” 

南加州大学 (USC) 教师教育副教授 Yasemin Copur-Gencturk 博士, 与南加州大学的团队, 一起研究了学生数学成绩的真正差异, 尤其是种族差异, 是归因于实际的学生差异, 还是隐性教师偏见? 她指出当学生是女性而不是白人时，教师更有可能低估他们的潜力，并且在他们遇到困难时不鼓励他们。她说, “ 没有人能免受隐性偏见的影响，有色人种的女孩和学生, 不断收到这样的信息：某些性别或种族群体的数学能力比他们更高。我们通过创建没有学生之间这种差异的实验情况, 来解决表现差异，然后收集被要求解决数学问题的学生的数据。然后我们随机为这份相同的作业, 分配特定性别和种族的名称或图像。教师不知道他们正在评估不同名称下的相同答案，因此评估中的任何差异, 都可以用隐性偏见来解释。教师对学生作业的评估, 始终没有发现偏见；无论性别或种族如何, 学生都获得类似的成绩。然而，教师认为名字听起来像男性或白人的学生, 比名字听起来像女性、黑人或拉丁裔的学生数学能力更高，对有色人种女孩的偏见最严重。这表明即使教师承认学生的表现没有差异，他们仍然认为存在潜力差异。我们还发现，那些认为已经实现性别平等的数学教师, 往往更容易造成性别偏见。为了消除对有色人种和女孩的 STEM 学生的障碍，我们需要解决维护这些障碍的潜在不平等问题。通常这始于不相信这些学生会面临不平等。尽管美国是 STEM 世界领先者，但对美国学生, 尤其是女孩、低收入学生和有色人种学生的课堂参与障碍,  仍然存在。”