MétaCan
Menu
Retour à la cohorte
Enregistrement W2070017333 · doi:10.1080/02601370.2014.988188

Intersecting discourses of militarism: military and academic gendered organizations

2014· article· en· W2070017333 sur OpenAlexafffund
Nancy Taber

Notice bibliographique

RevueInternational Journal of Lifelong Education · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensBrock University
Organismes subventionnairesCanadian Armed Forces
Mots-clésMilitarismSociologyPrivilege (computing)Higher educationGender studiesLifelong learningResistance (ecology)Military serviceNeoliberalism (international relations)Political sciencePublic relationsPedagogyLawPoliticsSocial science

Résumé

récupéré en direct d'OpenAlex

This article explores the ways in which military constructions of gender intersect with academic ones. Its focus is to connect military discourses of duty, honour and service before self with academic ones of commitment and productivity. As such, it engages in an institutional analysis of the gendered organizations of the military and academia and the associated implications for lifelong learning and education. First, I discuss how, despite resistance from countless educators, corporatism and militarism have come to influence many forms of lifelong learning and higher education. Then, I detail the ways in which both the military and academia, with their unique purposes, are gendered organizations, requiring inordinate dedication and commitment to institutional ends. Finally, I conclude that educators must continue to recognize, problematize and challenge gendered discourses that privilege militarism in higher and lifelong education.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,050
Tête enseignante GPT0,357
Écart entre enseignants0,307 · 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'étudeObservationnel
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

Citations9
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Lifelong EducationMême sujetGender Diversity and InequalityTravaux en français237 207