MétaCan
Menu
Retour à la cohorte
Enregistrement W2913448506 · doi:10.15402/esj.v4i1.318

Imagination Practices and Community-Based Learning

2018· article· en· W2913448506 sur OpenAlexvenueno aff
Simone Weil Davis

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScrutinyActive listeningConstruct (python library)Service-learningSociologyLearning communitySpace (punctuation)Community buildingEquity (law)PedagogyPublic relationsPolitical scienceComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Informed by my experiences in prison/university co-learning projects, this essay centres two community-based learning practices worth cultivating. First, what can happen when all participants truly prioritize what it means to build community as they address their shared project, co-discovering new ways of being and doing together, listening receptively and speaking authentically? How can project facilitators step beyond prescribed roles embedded in the charity paradigm of service-learning to invite and support egalitarian community and equity-driven decision-making from a project’s inception and development, through its unfolding and its assessment? Second, the sheer fact of a project taking place in the marginal place between two contexts gives all participants—students, faculty, community participants and hosts—the opportunity for meta-reflection on the institutional logics that construct and constrain our perspectives so acutely. What can we do, by way of project-conception and pedagogy, to open up those insights? The vantage that “the space between” provides can bring fresh understanding of the systemic forces at work in the lives of the community participants. And the university’s assumptions about itself and its place in the world can also suddenly appear strange and new, objects of scrutiny for students and community members both.

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)0,013
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,015
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0150,085
Communication savante0,0150,014
Science ouverte0,0040,023
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,227
Tête enseignante GPT0,461
Écart entre enseignants0,234 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetService-Learning and Community EngagementTravaux en français237 207