MétaCan
Menu
Retour à la cohorte
Enregistrement W2180373943 · doi:10.7202/1033551ar

Becoming Teachers’ Little Epics: What digital storytelling might reveal

2015· article· en· W2180373943 sur OpenAlexaffvenue
Linda Radford, Avril Aitken

Notice bibliographique

RevueMcGill Journal of Education / Revue des sciences de l éducation de McGill · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensBishop's University
Organismes subventionnairesnon disponible
Mots-clésDigital storytellingPsychicStorytellingFace (sociological concept)Social justiceSocial workPedagogySociologyWork (physics)EPICPublic relationsPolitical scienceEngineeringNarrativeSocial scienceArtMedicineLiterature

Résumé

récupéré en direct d'OpenAlex

This paper discusses pre-service teachers’ use of multi-modal tools to produce three-minute films in light of critical moments in their teaching practice. Two cases are considered; each centers on a film, a “little epic” that was produced by a future teacher who attempts to work within an anti-racist framework for social justice. Findings point to how multimodal tools are effective for engaging meaningfully with unresolved conflicts. However, in the face of trauma experienced, the future teachers’ efforts to work within a social justice framework may be pushed to the margins. This pedagogy / research sheds light on the workings of the inner landscape of becoming teachers, and highlights the dynamic of education as a psychic crisis compounded by the demands of the social.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,013
Communication savante0,0120,014
Science ouverte0,0010,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,512
Tête enseignante GPT0,484
Écart entre enseignants0,028 · 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

Citations5
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of Education / Revue des sciences de l éducation de McGillMême sujetDigital Storytelling and EducationTravaux en français237 207