MétaCan
Menu
Retour à la cohorte
Enregistrement W2788223731 · doi:10.22215/etd/2016-11566

Producing “Good” Citizens: A Critical Discourse Analysis of the Ontario Ministry of Education’s Publication, Achieving excellence

2016· dissertation· en· W2788223731 sur OpenAlexaffabout
Codie Fortin Lalonde

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésExcellenceCritical discourse analysisChristian ministrySociologyCompromiseCitizenshipDiscourse analysisHigher educationPolitical sciencePublic relationsPedagogyPublic administrationSocial scienceLawLinguistics

Résumé

récupéré en direct d'OpenAlex

Researchers are concerned that education is increasingly pressured and influenced by market-driven agendas which may compromise or usurp education as a vehicle for social justice and critical thinking. In this study, I employ Critical Discourse Analysis (CDA) as a theoretical framework and research method to examine the discursive construction of education in the Ontario Ministry of Education's (OME) 2014 publication entitled, Achieving excellence: A renewed vision for education in Ontario (hereafter referred to as Achieving excellence). I use Fairclough's three dimensional framework to look at metaphors, lexical choices, and multimodal features within the text. My findings suggest that Achieving excellence discursively constructs education as a path to employment and connects employment to good citizenship. This appears to be a trend within neoliberal society, which requires further critical study.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,018
Tête enseignante GPT0,307
Écart entre enseignants0,289 · 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.

Devis d'étudeQualitatif
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDiscourse Analysis in Language StudiesTravaux en français237 207