MétaCan
Menu
Retour à la cohorte
Enregistrement W2113501549

Representing AnimalOthers in Educational Research

2011· article· en· W2113501549 sur OpenAlexaffvenue
Gail J. Kuhl

Notice bibliographique

RevueCanadian journal of environmental education · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésAlienationEnvironmental educationRepresentation (politics)SociologyHumanitiesPolitical scienceSocial scienceEthnologyPedagogyPhilosophyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper encourages environmental and humane education scholars to consider the ethical implications of how nonhuman animals are represented in research. I argue that research representations of animals can work to either break down processes of “othering,” or reinforce them. I explore various options for representing other animals, including concrete examples demonstrating some researchers’ methodological and representation choices (including my own). Finally, I consider questions pertaining to evaluating the quality and effectiveness of alternative and less common forms of representation. Resume Le present article encourage les universitaires œuvrant en education environnementale et humaine a se pencher sur les implications ethiques des differentes facons de representer les animaux non humains en recherche. J’avance que les representations des animaux en recherche peuvent soit diminuer les processus d’« alienation », soit les renforcer. J’examine diverses options de representation des animaux, donnant des exemples concrets illustrant les choix methodologiques et representationnels de chercheurs (y compris les miens). Enfin, je me penche sur des questions relatives a l’evaluation de la qualite et de l’efficacite d’autres formes de representation moins courantes.

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)0,080
score de la tête « metaresearch » (Gemma)0,070
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 enseignants0,080
Score d'incertitude au seuil0,425

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0800,070
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,027
Communication savante0,0100,013
Science ouverte0,0020,015
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,132
Tête enseignante GPT0,355
Écart entre enseignants0,223 · 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
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian journal of environmental educationMême sujetAnimal and Plant Science EducationTravaux en français237 207