MétaCan
Menu
Retour à la cohorte
Enregistrement W1658874914 · doi:10.25071/1916-4467.34390

Hooping through Interdisciplinary Intertwinings: Curriculum, Kin/aesthetic Ethics, and Energetic Vulnerabilities

2012· article· en· W1658874914 sur OpenAlexafffundvenue
Rebecca Lloyd

Notice bibliographique

RevueJournal of the Canadian Association for Curriculum Studies · 2012
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésCurriculumInteractivitySet (abstract data type)SociologyVulnerability (computing)PedagogyProcess (computing)PsychologyMathematics educationComputer scienceMultimedia

Résumé

récupéré en direct d'OpenAlex

Learning to become a teacher is inherently stressful. Daunting deadlines of final assignments become the curricular hoops students jump through, conceptualized as gateways to experiencing something meaningful on the ‘other’ side, beyond the circumscribed constraints of a university campus. In an ethic, kinaesthetic, and energetic pedagogical response, teacher candidates were invited to spend time with and physically explore the very object they associate with their exasperations: the hoop. This inquiry thus aimed to explore emergent interdisciplinary understandings between the practice of ‘learning to teach’ and ‘learning to hoop’ on campus and with children in local schools and a First Nations community. Student interviews revealed that the practice of hooping not only released stress, it afforded an opportunity to loosen rigid notions of curriculum and pedagogy, specifically that learning is more than a linear journey of jumping through a prescribed set of hoops and that teaching is more than a process of transmitting information. A bodily pedagogical practice of vulnerability, fluidity and interactivity thus emerged as teacher candidates became receptive to step into and be transformed by the hoop.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,044
Communication savante0,0090,007
Science ouverte0,0010,011
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,061
Tête enseignante GPT0,349
Écart entre enseignants0,287 · 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

Citations16
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association for Curriculum StudiesMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207