“Small” Stories and Meganarratives: Accountability in Balance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background/Context Meganarratives, or “grand stories,” are composed of loosely held ideas about standardization, the rhetoric of education for all, the focus on individual success, and the appearance of representative diversity that rarely take into account human diversity embedded in deeply rooted value systems and authentically present in “the realm of face-to-face relationships.” Purpose/Objective/Research/Question/Focus of Study In this article, we offer atypical, noncanonical “small” stories as accounts of ways in which teachers and students live in small moments of diversity unseen and unheard within prevailing meganarratives of accountability. Setting This research took place in the mid-southern United States and eastern Canada. Population/Participants/Subjects Research participants included a preservice teacher candidate in Canada and an in-service teacher in the United States. Research Design Through using narrative inquiry as a human research method, we feature small storied nuggets of teachers and students breaking through “surface equilibriums and uniformities” to challenge educational orthodoxies that cast long shadows on their work and their relationships and add to the complexities of their lives. Conclusions/Recommendations In the final analysis, we argue for fluid back-and-forth movement between small stories and meganarratives in order to nurture dialectical relationships between and among theory, practice, and policy. Such an approach would create spaces for experiences of accountability to be lived and told, and relived and retold, in more balanced ways.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle