“Small” Stories and Meganarratives: Accountability in Balance
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.
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 | 0,007 | 0,019 |
| 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 | 0,013 | 0,039 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».