Notice bibliographique
Résumé
ist phoned me, asking for my reaction to a story about a kindergarten child in Ontario facing expulsion for hugging and kissing some of his classmates.1 Apparently the parents of the children at the receiving end of his affection were not complaining, but the behaviour was seen as contravening the Ontario Safe Schools Act – protecting children from sexual harassment. Zero tolerance in action! I responded that if the story was accurate, it was an example of “a system gone berserk.” Policies of this sort counteract what we hope to cultivate in schools: caring for one another, applauding differences, and creating community. Zero tolerance policies stem from the culture of fear that pervades many schools today – fear of violence, bullying, and unruly behaviour. The code of conduct is clearly spelled out and if students disobey, the retribution is swift – usually suspension or expulsion. The rules are designed to apply equally to everyone, irrespective of age, gender, cultural background, personal characteristics, parental influence, or school experiences. Under the guise of “equity,” zero tolerance policies are, in fact, inequitable, inhospitable and discriminatory. They contravene what we hold dear as educators and as a society. Further, they are ineffective on a number of fronts. I find the concept of zero tolerance oddly out of place in a public school system and jarring to my sensibilities as an educator. It is much more suited to the culture from which it came – the U.S. military, where conformity and control are paramount. The fact that it found its way into the school
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,021 | 0,098 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,005 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».