Power, Voice and Democratization: Feminist Pedagogy and Assessment in CMC
Notice bibliographique
Résumé
Academic Technologies for Learning at the University of Alberta regularly conducts a faculty survey related to the use of, and attitudes towards, the use of learning technologies in both face-to-face and distributed learning environments. The 1999-2000 survey revealed some significant differences in the ways that female and male faculty approached the use of te chnology in teaching. Subsequently, the authors pursued these trends through a project of action research in which over 40 female faculty participated. The literature on critical feminist teaching in academia provided a context for this study. Learning design preferences revealed by the female faculty who participated tended to reflect relational values common to the design of learner -centred approaches that place a high value on interactions with students, such as computer-mediated communications (CMC). While many faculty who used CMC grieved the reduction, or loss, of face -to-face contact they also appreciated the increased intimacy of, and democratization inherent in, online conversation. However, this attribute highlighted conflictual feelings about the assessment of these conversations, as the culture of the institution is based on an uneven “power balance” in the classroom. This raised the question of how a feminist teacher understands and accommodates the requirements of learner assessment in envi ronments like CMC, that encourage the construction of knowledge through collaborative conversation. This paper attempts to address this “problem of practice” for female faculty by reviewing and synthesizing the literature on critical pedagogy, feminist teaching, and the assessment of student learning in feminist classrooms. We discuss the assessment approaches used in CMC that are reflected in the stories of seven female faculty. Six issues are identified: necessary coercion, relocating authority, taken-for-granted assumptions, safety, and process as product, and addressing equity.
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 | 0,013 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,018 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».