MétaCan
Menu
Retour à la cohorte
Enregistrement W2793392012 · doi:10.1080/13562517.2018.1437133

Navigating complexity, culture, collaboration, and emotion: student perspectives on global justice and global justice education

2018· article· en· W2793392012 sur OpenAlexafffund
Elizabeth Marquis, A Redda, Louise Twells

Notice bibliographique

RevueTeaching in Higher Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensMcMaster University
Organismes subventionnairesMcMaster University
Mots-clésInjusticeEconomic JusticeValue (mathematics)Global educationGlobal justiceSociologyWork (physics)Action (physics)Public relationsPedagogyEngineering ethicsPsychologyPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Recent years have seen increasing scholarly attention to the ways in which colleges and universities might contribute to educating ‘global citizens’ who work toward addressing injustice and inequity. The present study examines the experiences and perspectives of students participating in an upper level ‘global justice inquiry’ course designed to help meet this goal. Drawing from interviews with students and reflections submitted as part of their course assessment, we explore participants’ developing understanding of global justice and their experiences of learning about this topic. This investigation reveals key issues that students highlight and with which they sometimes struggle, including the complexity of global challenges, the importance of collaboration in attempting to address such challenges, the significance of navigating cultural considerations, and the potential influence of emotion on understanding and action. Implications of these findings, including the potential value of considering these issues as threshold concepts in global justice education, are discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,014
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,017
Communication savante0,0140,006
Science ouverte0,0010,012
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,057
Tête enseignante GPT0,440
Écart entre enseignants0,383 · 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

Citations5
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTeaching in Higher EducationMême sujetService-Learning and Community EngagementTravaux en français237 207