MétaCan
Menu
Retour à la cohorte
Enregistrement W2157354939 · doi:10.36510/learnland.v6i2.608

Transforming Teaching and Learning Through Critical Media Literacy Pedagogy

2013· article· en· W2157354939 sur OpenAlexvenueno aff
Antero Garcia, Robyn Seglem, Jeff Share

Notice bibliographique

RevueLEARNing Landscapes · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedia literacyCritical literacyPedagogyCitizen journalismCritical pedagogySociologyParticipatory cultureLiteracyCritical thinkingMathematics educationPower (physics)PsychologyMedia studiesPolitical science

Résumé

récupéré en direct d'OpenAlex

This article provides a framework and examples for critical media literacy pedagogy. More than simply guiding how students read and interpret the texts they encounter, critical media literacy pedagogy pushes to illuminate the underlying power structures that are a part of every media text. Throughout this article, examples from working with high school youth and preservice teachers are provided. In recognizing recent shifts in media production as a result of participatory culture, this article focuses on how youth-created media products are an integral part of a 21st century critical media literacy pedagogy.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,011
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,026
Communication savante0,0110,011
Science ouverte0,0010,012
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,020
Tête enseignante GPT0,294
Écart entre enseignants0,274 · 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

Citations92
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLEARNing LandscapesMême sujetLiteracy, Media, and EducationTravaux en français237 207