MétaCan
Menu
Retour à la cohorte
Enregistrement W2918823523 · doi:10.3390/rel10030169

“Using the Language of Christian Love and Charity”: What Liberal Religion Offers Higher Education in Prison

2019· article· en· W2918823523 sur OpenAlexaff
Charles Atkins, Joshua Dubler, Vincent Lloyd, Mel Webb

Notice bibliographique

RevueReligions · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Discipline and Inequality
Établissements canadiensUniversité de Montréal
Organismes subventionnairesLouisville InstituteAmerican Academy of Religion
Mots-clésCommitPrisonFaithFace (sociological concept)SociologyAsset (computer security)Religious educationWork (physics)Public relationsCriminologyPolitical sciencePedagogySocial scienceEpistemologyPhilosophyEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

This article explores what religious frameworks and institutions have to contribute to college-in-prison. We first provide an historical overview of higher education programs in American prisons. Then, we limn the role religion can play in motivating people to commit themselves to educating incarcerated people. Because this work is so thorny, we document some of the generic challenges programs must face and show how religious languages can be an asset in navigating these challenges. Next, we present the pedagogical practices and educational philosophies expressed among the programs in our study. We conclude with some broader reflections about teaching incarcerated people, and, after wrestling with objections, we encourage our colleagues in religious studies—those with faith commitments as well as those without them—to get involved.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,190
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,038
Tête enseignante GPT0,384
Écart entre enseignants0,346 · 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'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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReligionsMême sujetEducation Discipline and InequalityTravaux en français237 207