MétaCan
Menu
Retour à la cohorte
Enregistrement W2913307065 · doi:10.15402/esj.v4i1.322

Wahkohtowin as Paideia

2018· article· en· W2913307065 sur OpenAlexvenueaboutno aff
Dan LeBlanc

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPaideiaSocratic methodGreeksClass (philosophy)Economic JusticeOrder (exchange)Space (punctuation)PedagogySociologyMathematics educationAction (physics)LawPsychologyEpistemologyClassicsPolitical scienceHistoryPhilosophyLinguistics

Résumé

récupéré en direct d'OpenAlex

The Wahkohtowin class was held in Saskatoon throughout early 2014. Wahkohtowin brought together prisoners, students, and professors, in order to critically examine Canada’s “justice” system. For the author, participation in this class led to deep learning, or what ancient Greeks called Paideia. This article explores why Wahkohtowin led to deep learning. It concludes that the deep learning was attributable to four factors: the leaders created space for suffering to speak; course participants were racially, culturally, and educationally diverse; the pedagogy was relationally Socratic; and participant reflections were aimed at action, in addition to understanding. Throughout the article, Wahkohtowin is compared with the author’s experience of law school in order to highlight why law school courses rarely result in Paideia.

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)0,907
score de la tête « metaresearch » (Gemma)0,921
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,781
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,9070,921
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,7650,001
Communication savante0,0040,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,781
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,254
Tête enseignante GPT0,505
Écart entre enseignants0,251 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineMéthodes
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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetLegal Education and Practice InnovationsTravaux en français237 207