Transcription as a dynamic craft in the A day in the Life methodology : Insights into the development of understandings of citizenship in a five-year-old’s transition to school
Notice bibliographique
Résumé
In this paper we illustrate and reflect on how the Day in the Life methods enabled us to devise and combine approaches to transcribing and presenting data from a specific day of a five-year-old girl of Indo-Canadian heritage (Gillen & Cameron, 2017) . In the video data we found connections between the multimodal meaning-making practices of Suhani across two encounters in one day, the first in ‘mat time’ at a kindergarten and the second at afternoon tea with her family. In the first the teacher reads aloud to a group, introducing them to the history of beavers as symbols of Canada. Later, at afternoon tea with her grandparents Suhani demonstrates her close attention to the teacher’s multiple modalities while also finding her own ways of bridging gaps in her understandings, drawing on family and media discourses. We explain how we approached this data by drawing on linguistic ethnography (Creese, 2008) enriched by a multimodal approach to studying the co-construction of familial narratives (Cameron and Gillen, 2013). We illustrate our three approaches to transcription used in the study that respond to the suggestion by Copland & Creese, (2015: 196) that transcription should be “fit for purpose” and “provide the level of detail required for the job they have to do”. We conclude by briefly demonstrating the insights that were gained from holding transcription as a dynamic craft.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».