MétaCan
Menu
Retour à la cohorte
Enregistrement W2236132156 · doi:10.37119/ojs2015.v21i2.220

The Gap Between Text and Context: An Analysis of Ontario’s Indigenous Education Policy

2015· article· en· W2236132156 sur OpenAlexaffvenueabout
Jesse K. Butler

Notice bibliographique

Revuein education · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésIndigenousIdentification (biology)Content analysisContext (archaeology)Plan (archaeology)Baseline (sea)Christian ministryAction planIndigenous educationPolitical sciencePublic relationsPublic administrationSociologySocial scienceGeographyManagementLaw

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the 2007 Ontario First Nation, Métis, and Inuit Education Policy Framework, alongside its 2014 Implementation Plan. Content analysis is used to determine what specific actions are prioritized in each document, first through a quantitative analysis of the various strategies put forth, then a qualitative analysis of what larger purpose these strategies might indicate. The findings suggest a significant shift in the 2014 document away from substantive action and toward data management, specifically in regard to encouraging Indigenous student self-identification. Coming just two years before the 2016 target date for the original plan laid out in the Framework, it seems unlikely that this belated emphasis on self-identification is for the originally stated purpose of establishing baseline data to implement and evaluate specific programs, but could instead be used as a type of symbolic policy, to obscure the absence of substantive change. Conversely, it is suggested that the Ministry of Education should establish a new baseline and strategy, beginning in 2016, to implement specific, targeted programming for Indigenous students.Keywords: Indigenous education; educational policy; content analysis; document analysis; Ontario

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)0,007
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,197
Score d'incertitude au seuil0,932

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,014
Études des sciences et des technologies0,0130,008
Communication savante0,0060,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,032
Tête enseignante GPT0,368
Écart entre enseignants0,336 · 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

Citations7
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuein educationMême sujetIndigenous Health, Education, and RightsTravaux en français237 207