MétaCan
Menu
Retour à la cohorte
Enregistrement W2591807140 · doi:10.18357/jcs.v38i1.15434

Using Photographic Picture Books to Better Understand Young Children’s Ideas of Belonging: A Study of Early Literacy Strategies and Social Inclusion

2013· article· en· W2591807140 sur OpenAlexafffundvenueabout
Yiola Cleovoulou, Heather McCollam, Erica M. Ellis, Lauren Commeford, Isabelle L. Moore, Annie Chern, Janette Pelletier

Notice bibliographique

RevueJournal of Childhood Studies · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOffice of International Science and EngineeringUniversity of Toronto
Mots-clésInclusion (mineral)PsychologyDevelopmental psychologyVocabularyLiteracyFocus groupPicture booksQualitative researchIdentity (music)Social identity theoryPedagogySocial psychologySociologySocial groupVisual artsSocial scienceLinguisticsAestheticsArtAnthropology

Résumé

récupéré en direct d'OpenAlex

This study examined the ways young children (3 years 11 months to 7 years 9 months) talk about and demonstrate their understanding of social inclusion through the use of self-produced family photograph books. One hundred eighty-seven children from the Greater Toronto Area participated in the study by first sharing their personal photograph books with a small group of peers and then exploring books produced by children unknown to them. A mixed methods approach was used where children’s understanding of vocabulary was documented and small focus group discussions weretranscribed and analyzed. This article focuses on the study’s qualitative findings that children spoke about and conveyed their understanding of concepts surrounding social inclusion (inclusion, diversity, respect, acceptance, understanding) based on (1) their learning of the social inclusion vocabulary, (2) their personalexperience with social inclusion, and (3) their talk of social inclusionin relation to social identity. These themes and their implications for early childhood education are discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,293
Score d'incertitude au seuil0,533

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,293
Écart entre enseignants0,260 · 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 tête enseignante, 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
Publié2013
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJournal of Childhood StudiesMême sujetLiteracy, Media, and EducationTravaux en français237 207