MétaCan
Menu
Retour à la cohorte
Enregistrement W2992615904 · doi:10.25316/ir-6439

Explorations into narrative assessment and Indigenous ways of knowing

2019· dissertation· en· W2992615904 sur OpenAlexaboutno aff
Melanie Midgley

Notice bibliographique

RevueVIURRSpace (Vancouver Island University) · 2019
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueEducation Systems and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeIndigenousSociologyData scienceComputer scienceLinguisticsPhilosophyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Using an Indigenous research methodology, this research examines how educators in British Columbia use narrative assessment as a more inclusive, strength-based approach to assess learners and intends to uncover teacher perceptions on the connections between narrative assessment and the First Peoples’ Principles of Learning / Indigenous ways of knowing. As a self-identified Métis researcher, my intention is that this study will contribute to a growing body of research that is framed using an Indigenous methodology and recognizes the significance of co-creating knowledge through reciprocal relationships. This research utilized collaborative methods with educators sharing alongside a Kwakwaka’wakw Elder in the form of a ‘talking circle.’ Qualitative data was collected on participant perceptions of their personal experiences using narrative assessment in the classroom and its connection to Indigenous ways of knowing. The main themes that emerged from the data were: Responsibility and Action, Relevance and Well-being, Reciprocity and Being-together, and Respect and Stories. While each distinct, these four themes are interconnected and represent the relational nature of Indigenous knowledge which includes community, family, students, and self at its core. Central findings of this study suggested that a narrative assessment approach enables educators to shift their practice toward a more inclusive and joyful process which invites reciprocity, relationship building, and co-learning opportunities.

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)0,010
score de la tête « metaresearch » (Gemma)0,011
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,004
Études des sciences et des technologies0,0110,027
Communication savante0,0100,006
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,306
Écart entre enseignants0,278 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVIURRSpace (Vancouver Island University)Même sujetEducation Systems and PolicyTravaux en français237 207