MétaCan
Menu
Retour à la cohorte
Enregistrement W2021460618 · doi:10.1080/10714410590963848

‘How Does Knowin’ My Business Make You Any Safer?': Critical Pedagogy in Dangerous Times

2005· article· en· W2021460618 sur OpenAlexaff
Kathleen Gallagher, Philip Lortie

Notice bibliographique

RevueThe Review of Education Pedagogy & Cultural Studies · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueYouth Education and Societal Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSAFERBusinessSociologyEngineering ethicsPedagogyComputer scienceEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

The article is an account of the second year of a three-year research project titled, Drama Education, Youth, and Social Cohesion: (re)constructing identities in urban contexts, examining the experiences of youth in urban drama classrooms, and the dynamic forces of inclusion and exclusion experienced there. The researchers contemplate findings based on a methodological shift, in which they dramatically engage the students in an exploration of their pressing concerns about the school administration's new security policies. The students’ issues provide clear examples of just how far the neoliberal agenda in schools has gone and the unambiguous ways in which democracy is under attack. Implications of this experimentation are drawn for educators and researchers about the potential of attuning to students' ‘watching’ as a developing pedagogy, a form of critical engagement of the imagination, and a space for creative resistance against the school's institutional gaze.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,706
Score d'incertitude au seuil0,528

Scores Codex et Gemma par catégorie

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

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 GPT0,466
Écart entre enseignants0,405 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations9
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Review of Education Pedagogy & Cultural StudiesMême sujetYouth Education and Societal DynamicsTravaux en français237 207