MétaCan
Menu
Retour à la cohorte
Enregistrement W2766709697 · doi:10.17159/2221-4070/2017/v6i2a8

An autoethnographic exploration of disability discourses: transforming science education and research for students with learning disabilities

2017· article· en· W2766709697 sur OpenAlexaff
Neerusha Baurhoo

Notice bibliographique

RevueEducational Research for Social Change · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Systems and Policy
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAutoethnographyLearning disabilityDisability studiesPsychologySpecial educationPedagogySociologyMathematics educationGender studiesDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

In this autoethnographic inquiry, I examine the dominant disability discourses that inform practice and research in science education for individuals with disabilities. Guided by my experience as a practitioner-researcher, I use reflexive vignettes and photo elicitation to discuss and critique disability discourses (e.g., the medical and social models of disability) that construct students with learning disabilities (LD) as disadvantaged learners. For example, the medical model of disability pathologises students with LD by focusing on their individual deficits and blaming them for their academic struggles and failures in science. In contrast, the social model of disability locates the problem solely within the students' environment (e.g., teaching strategies) and does not consider within-individual issues (e.g., cognitive deficits). By navigating through these discourses, I found my voice as a practitioner-researcher in Bronfenbrenner's (2005) ecological model, which recognises that individuals' barriers stem from their characteristics as well as their complex, multilayered environment. This article, embedded within a reflexive process, illuminates my journey of self-transformation as a practitioner-researcher while transforming and bringing educational changes to the academic lives of my students with LD.

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)0,015
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0120,008
Communication savante0,0010,003
Science ouverte0,0010,000
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 Opus0,576
Tête enseignante GPT0,647
Écart entre enseignants0,070 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational Research for Social ChangeMême sujetEducation Systems and PolicyTravaux en français237 207