MétaCan
Menu
Retour à la cohorte
Enregistrement W2177082034 · doi:10.7202/1033548ar

Mobile(izing) Educational Research: Historical literacy, m-learning, and technopolitics

2015· article· en· W2177082034 sur OpenAlexaffvenueabout
Bryan Smith, Nicholas Ng-­A-­Fook, Julie A. Corrigan

Notice bibliographique

RevueMcGill Journal of Education / Revue des sciences de l éducation de McGill · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)PraxisLiteracyPedagogyNarrativeHistory of technologySociologyDigital literacyMathematics educationPolitical scienceHistoryComputer sciencePsychologyArtLiterature

Résumé

récupéré en direct d'OpenAlex

This research project explored the nexus between historical literacies, digital literacy and m-learning as a praxis of mobilizing technopolitics. To do this, we developed a mobile application for teacher candidates to study the absence of the Indian Residential School system as a complement to history textbooks and other curricular materials. Building on the findings of our SSHRC-funded digital history research project, we sought to engender a “technopolitics” as a form of critical historical literacy. Out of this work, we sought to understand how digital technologies contributed to recent calls to mobilize educational research and more specifically, while working to decolonize existing narratives of Canadian history beyond traditional modes of dissemination.

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)0,005
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0060,018
Communication savante0,0120,006
Science ouverte0,0010,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,395
Tête enseignante GPT0,467
Écart entre enseignants0,071 · 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

Citations1
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of Education / Revue des sciences de l éducation de McGillMême sujetMobile Learning in EducationTravaux en français237 207