MétaCan
Menu
Retour à la cohorte
Enregistrement W2999163504 · doi:10.32920/ryerson.14646354.v1

Informational video storytelling for children by children: exploring new directions in learning and making media in the classroom

2021· article· en· W2999163504 sur OpenAlexaffabout
Tatyana Terzopoulos

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensToronto Metropolitan UniversityCentre for Social InnovationYork University
Organismes subventionnairesnon disponible
Mots-clésCurriculumParticipatory cultureClass (philosophy)Citizen journalismDigital storytellingAction researchVideo productionPedagogyParticipatory action researchStorytellingSociologyDigital mediaMathematics educationPsychologyMultimediaComputer scienceNarrativeMedia studiesArt

Résumé

récupéré en direct d'OpenAlex

This research makes a case for the importance of children-specific non-fiction media content in a digital age. Drawing from my professional experience making children’s television, I piloted a media education and video production curriculum with a grade eight class at an independent, all-girls school in Toronto, Canada. This paper contextualizes my research by outlining the informing framework of participatory culture and several related concepts which intersect media studies, children’s culture, and pedagogy; it also presents my reflections on creating and testing the curriculum. To both complement my creative research-as-practice and participatory action research approach and chronicle the research project, I created a website (http://betweenproductions.wixsite.com/comcult). It features curriculum materials and research documents, including samples of the students’ work and their reflections; I also produced a short video that incorporates a mix of student and researcher video footage to illustrate one group’s experience creating their final project.

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)0,007
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,011
Communication savante0,0100,008
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
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 Opus0,065
Tête enseignante GPT0,354
Écart entre enseignants0,289 · 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDigital Storytelling and EducationTravaux en français237 207