MétaCan
Menu
Retour à la cohorte
Enregistrement W2803367577

The Homogenization of Citizenship in the Ontario Curriculum: A Historical Analysis

2017· article· en· W2803367577 sur OpenAlexaffabout
Jesse K. Butler

Notice bibliographique

Revue2018 Conference of the Canadian Society for the Study of Education · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Education and Multiculturalism
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCitizenshipCurriculumMulticulturalismPrideSociologyGlobal citizenshipPolitical sciencePedagogyGender studiesSocial scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

While many Canadians take pride in living in an inclusive and multicultural society, various researchers have suggested that Canadian multiculturalism is just a new approach to assimilating minorities into the dominant culture. In this regard, recent analyses of citizenship education curricula in Ontario and other Canadian provinces have suggested that these curricula present a homogenous society and a universal, neutral, and de-contextualized model of citizenship. As citizenship is re-imagined to be generic and individual, the multilayered communities of Canada are glossed over, and replaced with a single, undifferentiated, imagined community. So far, however, there has been very little analysis of how these homogenizing patterns in the Ontario curriculum developed over recent decades. Through a comparative analysis of the 1999, 2005, and 2013 revisions of Ontario citizenship curriculum documents, this paper offers insight into these historical developments. The Ontario curriculum is shown to have gradually de-emphasized local and cultural expressions of citizenship in favour of global and economic expressions of citizenship. Such developments align with much recent research on the neoliberalization of education policy. In conclusion, this paper addresses the specific implications of these developments for citizenship education in urban schools with diverse and marginalized student populations.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,248
Score d'incertitude au seuil0,872

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,012
Études des sciences et des technologies0,0180,009
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,067
Tête enseignante GPT0,336
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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2018 Conference of the Canadian Society for the Study of EducationMême sujetGlobal Education and MulticulturalismTravaux en français237 207