MétaCan
Menu
Retour à la cohorte
Enregistrement W2912324750 · doi:10.20360/langandlit29369

Hidden Children: Using Children's Literature to Develop Understanding and Empathy Toward Children of Incarcerated Parents

2019· article· en· W2912324750 sur OpenAlexaffvenueabout
Val Plett Reimer

Notice bibliographique

RevueLanguage and Literacy · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésEmpathyPsychologyLiteracyDevelopmental psychologyPicture booksSocial psychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Abstract Research indicates that children whose parents are incarcerated are a vulnerable group of people with poor life outcomes. Yet these children are not tracked in the Canadian system, making it difficult for schools to respond with appropriate supports. How can schools be inclusive to this hidden demographic of children? Framed in theories of Critical Literacy and Ethic of Care, the author proposes the use of story to develop understanding and empathy. Research shows that acknowledging these children’s experiences through story helps them to feel validated while broadening capacity for empathy among other children. Can a story develop empathy toward children of incarcerated parents? To answer this question, the author wrote a picture book about a child who visits her mother in jail, and read the story to three groups of children, interspersed and followed by rich discussions. The story elicited empathetic responses from all students, suggesting the benefits of this approach.

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)0,000
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 enseignants0,372
Score d'incertitude au seuil0,637

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,016
Tête enseignante GPT0,296
Écart entre enseignants0,280 · 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

Citations6
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueLanguage and LiteracyMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207