MétaCan
Menu
Retour à la cohorte
Enregistrement W2899561508 · doi:10.1080/17508487.2018.1543201

Examining remote Australian First Nations boarding through capital theory lenses

2018· article· en· W2899561508 sur OpenAlexaboutno aff
John Guenther, Bill Fogarty

Notice bibliographique

RevueCritical Studies in Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScholarshipSociologyCultural capitalSocial capitalBoarding schoolEconomic growthPublic relationsSocial sciencePolitical scienceEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

In Australia, boarding schools and residential facilities for remote Aboriginal and Torres Strait Islander (First Nations) students have long been part of the educational landscape. Policy settings are paying considerable attention to boarding schools and residential colleges as secondary schooling options for First Nations students, particularly for those from remote areas. Further, First Nations education is seeing increased investment in scholarship programmes, transition support services and establishment of national boarding standards.There is an emerging body of qualitative evidence about the experiences and outcomes of boarding for remote First Nations students. However, in Australia there are no publicly available evaluations showing quantitative impacts of boarding.In this paper, the authors critically examine boarding using three capital theory lenses: social/cultural capital (based on Bourdieu), human capital (based on Becker), and identity capital (based on Erikson). Using these lenses we intend to go beyond an understanding of impact on individuals towards a more nuanced consideration of the social, cultural, health and well-being consequences of pursuing boarding as strategic policy for First Nations students in Australia.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,012
Communication savante0,0060,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,165
Tête enseignante GPT0,515
Écart entre enseignants0,350 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Studies in EducationMême sujetHigher Education Research StudiesTravaux en français237 207