MétaCan
Menu
Retour à la cohorte
Enregistrement W1548031457

Reflection on “Ways of Seeing the Recognition of Prior Learning: What Contribution Can Such Practices Make to Social Inclusion?”

2013· article· en· W1548031457 sur OpenAlexaff
Judith Anne Harris

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésPremiseVariety (cybernetics)SociologyEpistemologyReading (process)PoliticsInclusion (mineral)SightReflection (computer programming)PedagogySocial scienceComputer sciencePolitical scienceLawPhilosophyArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This reflective piece tracks the origins and evolution of Judy Harris’s work over 15 years. The original “Ways of Seeing ...” (Harris, 1999) provided an unsentimental reading of the social and political functions of recognition of prior learning (RPL) practices. Her premise was, as it still is, that RPL has few intrinsic characteristics of its own – it can take many forms and contribute to a variety of social ends, not all of which are as “progressive” or “radical” as advocates believe them to be. Drawing mainly from the sociology of education, Harris has pushed for understandings of RPL that take into account different types of knowledge that embrace pedagogy as well as learning, and that are based on realistic readings of the possibility for and desirability of change in particular contexts at particular social moments. Comparisons are drawn between RPL and the more recent open educational resources (OERs) and massive open online courses (MOOCs), arguing that they all raise similar sociological and pedagogical questions that may render them less democratic and equitable than they appear at first sight. To view the original “Ways of Seeing ...” article, please see the Resources section of this issue of PLA Inside Out .

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,052
Communication savante0,0100,019
Science ouverte0,0020,011
Intégrité de la recherche0,0060,011
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,105
Tête enseignante GPT0,414
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHigher Education Learning PracticesTravaux en français237 207