MétaCan
Menu
Retour à la cohorte
Enregistrement W2564218169 · doi:10.1108/etpc-09-2016-0108

Navigating the “delicate relationship between empathy and critical distance”

2016· article· en· W2564218169 sur OpenAlexaffabout
Rob Simon, Sarah Evis, Ty Walkland, Amir Kalan, Pamela Baer

Notice bibliographique

RevueEnglish Teaching Practice & Critique · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEmpathyOriginalityWitnessIdentity (music)CurriculumCritical literacySociologyPedagogyLiteracyThe artsVisual artsValue (mathematics)Critical readingNarrativeAestheticsPsychologySocial psychologyArtSocial scienceReading (process)LiteratureQualitative researchPolitical scienceComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Purpose This paper features artwork and artists’ statements by middle school students who participated in a research collaboration that involved co-authoring critical literacy curriculum for Art Spiegelman’s graphic novel Maus: A Survivors Tale (1986) with teacher candidates from the University of Toronto. Design/methodology/approach Youth explored personal and social justice issues through writing and artwork produced in response to Maus . In the process, they navigated what historian Dominick LaCapra (1998) has referred to as the “delicate relationship between empathy and critical distance” (pp. 4-5), between closely identifying with the agonizing experiences Spiegelman documents and using their inquiries to cultivate more critical positionalities and assume activist stances on historical and contemporary social justice issues. Findings As they describe in their brief statements included alongside their artwork, creating these projects allowed youth to bear witness to a terrible moment in human history and to envision how they can make a difference in their own communities. Originality/value This work suggests how the arts can be mobilized in critical literacy as a vehicle to interrogate difficult historical moments and multifaceted identity issues.

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)0,017
score de la tête « metaresearch » (Gemma)0,018
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0200,066
Communication savante0,0170,011
Science ouverte0,0020,018
Intégrité de la recherche0,0030,005
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 Opus0,082
Tête enseignante GPT0,474
Écart entre enseignants0,393 · 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

Citations4
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnglish Teaching Practice & CritiqueMême sujetDigital Storytelling and EducationTravaux en français237 207