MétaCan
Menu
Retour à la cohorte
Enregistrement W2592135649 · doi:10.5555/arwg.15.3.b358g4p44650r364

Spatializing and Materializing the Teaching of Muslim Issues in U.S. Undergraduate Geography Courses

2012· article· en· W2592135649 sur OpenAlexvenueno aff
Jessie Hanna Clark, Sallie A. Marston

Notice bibliographique

RevueArab world geographer · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methodologies in Social Sciences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFundamentalismGeographerAnalogySociologyMateriality (auditing)IslamTerrorismIslamic fundamentalismPoint (geometry)EpistemologySocial scienceAestheticsHistoryPhilosophyPolitical scienceGeographyTheologyLawEconomic geographyArchaeologyMathematicsPolitics

Résumé

récupéré en direct d'OpenAlex

This research note is a sympathetic response to Ronald Runeric, “A Strategy for Approaching the Sensitive Topic of Islamic Fundamentalism in Cultural Geography Courses for American Undergraduates,” The Arab World Geographer 14(4), 2011. Using Runeric's emphasis on analogy as a teaching strategy, we point out a limitation and then show how it can be redeployed effectively by contextualizing Muslim practices and focusing on their materiality. We want to suggest that by contextualizing and materializing concepts such as fundamentalism, otherness, and terrorism, for example, we build students’ ability to critique the problem of stereotyping that more generalized treatments leave unaddressed. We provide two alternative analogical approaches that have been effective classroom models.

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)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
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 Opus0,055
Tête enseignante GPT0,381
Écart entre enseignants0,326 · 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'étudeObservationnel
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArab world geographerMême sujetInnovative Teaching Methodologies in Social SciencesTravaux en français237 207