MétaCan
Menu
Retour à la cohorte
Enregistrement W2911130586 · doi:10.3390/rel10010039

Fancy Schools for Fancy People: Risks and Rewards in Fieldwork Research Among the Low German Mennonites of Canada and Mexico

2019· article· en· W2911130586 sur OpenAlexfundaboutno aff
Robyn Sneath

Notice bibliographique

RevueReligions · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducator Training and Historical Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaPierre Elliott Trudeau Foundation
Mots-clésGermanEthnographyEthnic groupEmigrationSociologyGender studiesPolitical scienceGeographyLawAnthropology

Résumé

récupéré en direct d'OpenAlex

In the 1920s, conflict over schooling prompted the exodus of nearly 8000 Mennonites from the Canadian prairie provinces of Manitoba and Saskatchewan to Mexico and Paraguay; this is the largest voluntary exodus of a single people group in Canadian history. Mennonites—whose roots are found in the 1520s Reformation—are an Anabaptist, pacifist, isolationist ethnic, and religious minority group, and victims of a fledgling Canada’s nation-building efforts. It is estimated that approximately 80,000 descendants of the original emigrants have subsequently returned to Canada, where tensions over schooling have persisted. The tensions—then, as now—are rooted in a fundamentally different understanding of the purposes of education—and it is this tension that interests me as an ethnographer and education researcher. My research is concerned with assessing attitudes towards education within the Low German Mennonite (LGM) community in both Canada and Mexico. Too often academic research is presented as a tidy finished product, with little insight shed into the messy, highly iterative process of data collection. The purpose of this article is to pull back the curtain and discuss the messiness of the process, including security risks involved with methodology, site selection, research participants, and gaining access to the community.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,344

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,095
Tête enseignante GPT0,429
Écart entre enseignants0,335 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReligionsMême sujetEducator Training and Historical PedagogyTravaux en français237 207