MétaCan
Menu
Retour à la cohorte
Enregistrement W2414828095 · doi:10.1080/07370008.2016.1169815

Affective Dimensions of Participatory Design Research in Informal Learning Environments: Placemaking, Belonging, and Correspondence

2016· article· en· W2414828095 sur OpenAlexaff
Christian Ehret, Ty Hollett

Notice bibliographique

RevueCognition and Instruction · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Education and Learning Practices
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTransformative learningSociologyFeelingMediationPlacemakingAffect (linguistics)Citizen journalismAutoethnographyTemporalitiesFraming (construction)AestheticsPsychologySocial psychologyComputer scienceSocial scienceArchitecturePedagogyVisual artsUrban designPolitical scienceEngineeringCommunication

Résumé

récupéré en direct d'OpenAlex

This article argues that current approaches to participatory design research (PDR) risk eliding the affective life of making educational change by locating change in cultural mediation alone. Locating change only in mediation subordinates affect, potentially overlooking lived dimensions of learning and being essential to lasting, transformative change. Suggesting a pathway to recovering affect in PDR, the article critiques affect's occlusion in theories framing PDR and develops concepts of placemaking and belonging as affective dimensions essential to generating and sustaining change, especially in informal learning environments. Analytic snapshots illustrate these developed concepts, evincing how teenagers actively affect place and belonging over time in an informal digital media and learning program, Metro Building Blocks. The article concludes calling for developed theories of correspondence in order to better attune method to understanding how bodies generate feelings of belonging and to how bodies actively maintain this sense of belonging through emergent, affective practice.

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)0,102
score de la tête « metaresearch » (Gemma)0,072
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 enseignants0,102
Score d'incertitude au seuil0,541

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1020,072
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0080,055
Communication savante0,0170,010
Science ouverte0,0020,012
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,156
Tête enseignante GPT0,429
Écart entre enseignants0,273 · 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

Citations43
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognition and InstructionMême sujetInnovative Education and Learning PracticesTravaux en français237 207