MétaCan
Menu
Retour à la cohorte
Enregistrement W2965024180 · doi:10.21810/sfuer.v12i2.932

Listening to Young Children: A Mosaic approach

2019· article· en· W2965024180 sur OpenAlexaffvenue
Poh Tan

Notice bibliographique

RevueSFU Educational Review · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésActive listeningMosaicEarly childhood educationEthnographyInclusion (mineral)PsychologyEarly childhoodChildhood studiesQuality (philosophy)PedagogyDevelopmental psychologySociologySocial psychologyCommunicationGeographyEpistemology

Résumé

récupéré en direct d'OpenAlex

The inclusion of children’s responses in research of educational settings are important and have been described as a pertinent tool to understand and be aware of children’s perspectives that adults may not be aware of (Lundqvist, 2014). Sheridan (2011) further expresses that the “evaluation of quality of early childhood education must include the voices of children” and is an essential part of the overall understanding of early childhood education. The responses and voices of young children reflect diverse forms of communicating, representing and interpreting their thoughts and emotions. This paper will present some models that can help guide the researcher to make decisions about how a child can participate in the research activity. Specifically, I will describe the use of an ethnographic combined with Clark and Moss’s Mosaic approach to researching with children.

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)0,014
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,004
Études des sciences et des technologies0,0060,024
Communication savante0,0110,011
Science ouverte0,0030,008
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,014
Tête enseignante GPT0,328
Écart entre enseignants0,313 · 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

Citations21
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSFU Educational ReviewMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207