MétaCan
Menu
Retour à la cohorte
Enregistrement W2999634055 · doi:10.20533/ijels.2046.4568.2016.0066

Keeping the Peace: How Equity is Leveraged through Safe Schools Policy

2016· article· en· W2999634055 sur OpenAlexaffabout
Laurie Corrigan, Lorayne Robertson

Notice bibliographique

RevueInternational Journal for e-Learning Security · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésEquity (law)BusinessFinanceAccountingEconomicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This paper describes research which examines the implementation at the school level of a safe schools policy which has elements of both anti-discrimination education and peacekeeping. In the process, both the formal text of this policy and its school-level implementation are considered. The authors present a brief history of safe school policies in Ontario, Canada, juxtaposing this with the concurrent development of equity and anti-discrimination policies in the same jurisdiction. The study's research questions ask how school administrators are responding to safe schools policies which are intended to build more inclusive schools. The participants are secondary school vice principals in several district school boards. The findings indicate that school leaders enact safe schools policies with intentions of fairness without necessarily referencing recent or longstanding policies for either safe schools or equity. The study also finds some evidence of educating students informally toward more respectful, anti-discriminatory practices. The researchers conclude that in spite of new policy which includes more progressive and restorative approaches to safe schools, policy enactment in some Ontario schools may still be more reflective of a process of keeping the peace rather than teaching anti-discrimination. The authors speculate that the provincial safe schools policy could be used as one tool to leverage equity initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,615
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,055
Tête enseignante GPT0,418
Écart entre enseignants0,362 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for e-Learning SecurityMême sujetSchool Choice and PerformanceTravaux en français237 207