MétaCan
Menu
Retour à la cohorte
Enregistrement W2425957622 · doi:10.37119/ojs2016.v22i1.266

Digital Technology Innovations in Education in Remote First Nations

2016· article· en· W2425957622 sur OpenAlexafffundvenueabout
Brian Beaton, Penny Carpenter

Notice bibliographique

Revuein education · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésGeneral partnershipDecolonizationSustainabilityIndigenousPublic relationsPolitical scienceDigital literacyAgency (philosophy)Economic growthSociologyPedagogyPoliticsSocial science

Résumé

récupéré en direct d'OpenAlex

Using a critical settler colonialism lens, we explore how digital technologies are being used for new education opportunities and First Nation control of these processes in remote First Nations. Decolonization is about traditional lands and creating the conditions necessary so Indigenous people can live sustainably in their territories (Simpson, 2014; Tuck & Yang, 2012). Remote First Nations across Canada face considerable challenges related to accessing quality adult education programs in their communities. Our study, conducted in partnership with the Keewaytinook Okimakanak Research Institute, explores how community members living in remote First Nations in Northwestern Ontario are using digital technologies for informal and formal learning experiences. We conducted an online survey in early 2014, including open-ended questions to ensure the community members’ voices were heard. The critical analysis relates the findings to the ongoing project of decolonization, and in particular, how new educational opportunities supported by digital technology enable community members to remain in their communities if they choose to, close to their traditional lands

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,016
Communication savante0,0080,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,010
Tête enseignante GPT0,323
Écart entre enseignants0,313 · 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
Publié2016
Routes d'admission4
Résumé présentoui

Explorer davantage

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