Mediating Postcoloniaity in Education: Mis/Representations of Muslim Girls using Technology
Notice bibliographique
Résumé
In this doctoral research, I explore how social systems and postcolonial cultural norms impact the process and outcome of digital media production created by girls who belong to ethnoracial minority groups living in low-income communities. The study was conducted as a Feminist Ethnography and feminist intervention in a Toronto school over three years, with a focus on Muslim girls in 2011-2012. The purpose of this research is to respond to both the ongoing marginalization of Muslim girls in Canadian schools and to examine how digital media production can be used to bridge ongoing divides between schools and communities in low-income urban and multicultural areas of Canada. Using digital media production to explore student experiences, I identify three topics for analysis that complicate the notion of student “voice.” In this work, I address how sociocultural structures inform the process of digital media production for racialized girls, exploring what kind of meaning can be derived from student-made media and considering how the videos and photos made by Muslim girls are framed within and informed by existing social structures, social expectations, and by the intentions and interests of adults. In addition, I also examine how student concerns over being seen and/or issues related to surveillance impact what they produce (or rather, end up not producing at all). Throughout this dissertation, I also consider how student engagement with different forms of new media and technology allow for varied behaviours and interests to be performed, offering a wider view into their lives. I conclude with a discussion of silence, addressing the importance of what was left absent in the process of making digital media with Muslim girls, and explore how these omissions relate to larger postcolonial power relations, to technology, and to media education for racialized girls in under-resourced schools and communities.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,018 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».