MétaCan
Menu
Retour à la cohorte
Enregistrement W2639437418 · doi:10.7202/1070610ar

The Political as Presence: On Agonism in Citizenship Education

2020· article· en· W2639437418 sur OpenAlexvenueno aff
Ásgeir Tryggvason

Notice bibliographique

RevuePhilosophical Inquiry in Education · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducator Training and Historical Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoliticsAgonismCitizenshipDemocracySociologyAgonistic behaviourEpistemologyOrder (exchange)Political philosophyPolitical scienceLawSocial psychologyPsychologyPhilosophyEconomics

Résumé

récupéré en direct d'OpenAlex

In recent years, an agonistic approach to citizenship education has been put forward as a way of educating democratic citizens. Claudia W. Ruitenberg (2009) has developed such an approach and takes her starting point in Chantal Mouffe’s agonistic theory. Ruitenberg highlights how political emotions and political disputes can be seen as central for a vibrant democratic citizenship education. The aim of this paper is to critically explore and further develop the concepts of political emotions and political disputes as central components of an agonistic approach. In order to do this, I return to Mouffe’s point of departure in the concept of the political. By drawing on Michael Marder’s (2010) notion of enmity, I suggest how “the presence of the other” can be seen as a vital aspect of the political in citizenship education. By not abandoning the concept of enmity, and with the notion of presence in the foreground, I argue that Ruitenberg’s definition of political emotions needs to be formulated in a way that includes emotions revolving around one’s own existence as a political being. Moreover, I argue that in order to further develop the agonistic approach, the emphasis on the verbalization of opinions in political disputes needs to be relaxed, as it limits the political dimension in education and excludes crucial political practices, such as exodus.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,589

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,231
Tête enseignante GPT0,457
Écart entre enseignants0,226 · 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'étudeThéorique ou conceptuel
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

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhilosophical Inquiry in EducationMême sujetEducator Training and Historical PedagogyTravaux en français237 207