MétaCan
Menu
Retour à la cohorte
Enregistrement W2751407023 · doi:10.15402/esj.v2i1.199

Engaging Indigenous Communities in Higher Education: An Analysis of Collaboration and Ownership in Alaska Native Teacher Preparation

2017· article· en· W2751407023 sur OpenAlexvenueno aff
Lenora Carpluk, Beth Leonard

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Education and Multiculturalism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousInstitutionSociologyPedagogyNative americanCommunity engagementCulturally appropriateTeacher educationCultural competenceService-learningFocus groupPolitical sciencePublic relationsSocial scienceMedicineAnthropologyGerontology

Résumé

récupéré en direct d'OpenAlex

In 2008, our institution was awarded an Office of Indian Education pre-service teacher preparation grant intended to increase the number of Alaska Native/ American Indian teachers in Alaska. Our research examines grant objectives and outcomes, specifically related to the institution’s stated focus on “culturally responsive teacher preparation” and “preserving and advancing” Alaska Native languages and cultures. We also explore challenges and opportunities encountered during the development of a cultural mentoring community for Alaska Native pre-service teachers, facilitated through collaboration with two Alaska Native teacher community organizations. Our work is informed by foundational literature in Indigenous culture-based pedagogy (Demmert & Towner, 2003), Indigenous higher education (Brayboy, 2012), and culturally responsive/ culturally relevant pedagogy (Ladson-Billings, 1994). Decolonizing methodologies and TribalCrit (Castagno, 2012) are particularly significant in our analysis, as the institution’s mission, vision, and strategic directions initiatives appear to be at odds with outcomes that suggest a continuation of top-down, colonized practices that perpetuate marginalization of Alaska Native students.

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)0,008
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0120,005
Communication savante0,0060,005
Science ouverte0,0010,013
Intégrité de la recherche0,0010,002
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 Opus0,209
Tête enseignante GPT0,479
Écart entre enseignants0,270 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetGlobal Education and MulticulturalismTravaux en français237 207