How Visual Narratives (Comics) Can Increase Literacy, Decrease Bias, and Highlight Stories of Social Justice
Notice bibliographique
Résumé
How can creating a simple stick figure comic help us tell — and deeply listen to — true stories of social injustice and practice anti-oppression strategies? More specifically, how can creating a series of stick-figure comics help learners enhance their understanding of the Indigenous Peoples’ testimonies in the Truth and Reconciliation Report (TRC, 2015)? In my experience, stick-figure visual narratives can help participants tell stories of social injustices and practice ways that might restore right relations. In this paper, I provide a background story and a literature review in describing the rationale and method of using this approach to teach social justice concepts and rehearse pro-social interventions. I conclude with a detailed lesson plan for using the social-justice comics method for visually presenting the TRC 2015 report. Comment l’acte de dessiner un bonhomme allumette peut-il nous aider à raconter – et à écouter très attentivement – des histoires vécues d’injustices sociales et à adopter des stratégies contre l’oppression? Plus particulièrement, comment des apprenants, en créant une série de bonhommes allumettes, peuvent-ils mieux comprendre les témoignages des Autochtones inclus dans le rapport de la Commission de vérité et de réconciliation (2015)? D’après mon expérience, les récits visuels en bonhommes allumettes aident les participants à raconter leurs histoires d’injustices sociales et à mettre en pratique des moyens pour éventuellement rétablir des relations justes. Dans le présent article, je décris le contexte et les études qui sous-tendent le pourquoi et la méthode des bonhommes allumettes pour enseigner les concepts de justice sociale et exercer la pratique d’intervention sociale. En conclusion, je présente un plan de leçon indiquant comment utiliser la méthode des dessins à portée sociale pour représenter visuellement le rapport de la Commission de vérité et de réconciliation de 2015.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».