Red Dirt Thinking on Educational Disadvantage
Notice bibliographique
Résumé
When people talk about education of remote Aboriginal and Torres Strait Islander students, the language used is often replete with messages of failure and deficit, of disparity and problems. This language is reflected in statistics that on the surface seem unambiguous in their demonstration of poor outcomes for remote Aboriginal and Torres Strait Islander students. A range of data support this view, including the National Action Plan—Literacy and Numeracy (NAPLAN) achievement data, school attendance data, Australian Bureau of Statistics Census data and other compilations such as the Productivity Commission's biennial Overcoming Indigenous Disadvantage report. These data, briefly summarised in this article, paint a bleak picture of the state of education in remote Australia and are at least in part responsible for a number of government initiatives (state, territory and Commonwealth) designed to ‘close the gap’. For all the programs, policies and initiatives designed to address disadvantage, the results seem to suggest that the progress, as measured in the data, is too slow to make any significant difference to the apparent difference between remote Aboriginal and Torres Strait Islander schools and those in the broader community. We are left with a discourse that is replete with illustrations of poor outcomes and failures and does little to acknowledge the richness, diversity and achievement of those living in remote Australia. The purpose of this article is to challenge the ideas of ‘disadvantage’ and ‘advantage’ as they are constructed in policy and consequently reported in data. It proposes alternative ways of thinking about remote educational disadvantage, based on a reading of relevant literature and the early observations of the Cooperative Research Centre for Remote Economic Participation's Remote Education Systems project. It is a formative work, designed to promote and frame a deeper discussion with remote education stakeholders. It asks how relative advantage might be defined if the ontologies, axiologies, epistemologies and cosmologies of remote Aboriginal and Torres Strait Islander families were more fully taken into account in the education system's discourse within/of remote schooling. Based on what we have termed ‘red dirt thinking’ it goes on to ask if and what alternative measures of success could be applied in remote contexts where ways of knowing, being, doing, believing and valuing often differ considerably from what the educational system imposes.
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 | 0,015 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,059 |
| Communication savante | 0,015 | 0,030 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,010 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».