MétaCan
Menu
Retour à la cohorte
Enregistrement W2399370376 · doi:10.1386/eta.12.2.211_1

Mobilities, aesthetics and civic engagement: Getting at-risk youth to look at their communities

2016· article· en· W2399370376 sur OpenAlexaff
David Pariser, Juan Carlos Castro, Martin Lalonde

Notice bibliographique

RevueInternational Journal of Education through Art · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueArt Education and Development
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCurriculumCivic engagementSociologyPopular mediaPsychologyPedagogyPublic relationsMedical educationPolitical scienceMedia studiesMedicineLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This article describes a mobile media art curriculum for engaging at-risk students with their schooling and with civic engagement. The pilot study was conducted with at-risk youth who were seeking their high school diplomas. The curriculum encouraged participants to use mobile media in school and outside. Students examined aspects of their neighbourhoods and sometimes explored themes suggested by the workshop leader. Data consisted of participants’ images, their posts and interview responses. We noted that civic engagement grew out of participants’ initial interest in, and concern for, the formal, technical and aesthetic aspects of their images. Our participants recognized that, if an image is well made, it will be that much more effective in communicating its civic message. In this article, we will consider the primacy of the aesthetic as a promising principle for developing curricula that reorient at-risk youth.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,768
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,048
Tête enseignante GPT0,285
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Education through ArtMême sujetArt Education and DevelopmentTravaux en français237 207