MétaCan
Menu
Retour à la cohorte
Enregistrement W3009419489 · doi:10.1111/edth.12386

Intrinsic Goods and Distributive Justice in Education

2019· article· en· W3009419489 sur OpenAlexaff
Christopher Martin, Tal Gilead

Notice bibliographique

RevueEducational Theory · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitical Philosophy and Ethics
Établissements canadiensOkanagan CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDistributive justiceNormativeEconomic JusticePrimary goodsSociologyLaw and economicsValue (mathematics)EconomicsPositive economicsLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract What is the relationship between the fair distribution of goods in general, and the intrinsic, or distinctive, value of educational goods in particular? In this article, Christopher Martin and Tal Gilead argue that clarifying this relationship has significant importance for educational justice, and they aim to accomplish this by focusing on questions of resource allocation. In particular, the authors draw on Michael Walzer's theory of “spherical” justice in order to argue that intrinsic goods are important enough that they should be of normative concern for any theory of educational justice. That is to say, a conception of educational justice that takes distributive relationships seriously should account for how the nonpositional values of education are served by resource allocation, and not only socioeconomic or other positional goods. However, Martin and Gilead also claim that such a pluralist theory of educational justice should not open the door to educational policies and practices that are plainly “antiegalitarian.” They address this concern by proffering a distinction between, and criteria for adjudicating, legitimate and illegitimate judgments of justice that aim to protect or promote intrinsic educational goods.

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)0,011
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,046
Communication savante0,0080,008
Science ouverte0,0010,006
Intégrité de la recherche0,0030,004
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 Opus0,025
Tête enseignante GPT0,364
Écart entre enseignants0,339 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational TheoryMême sujetPolitical Philosophy and EthicsTravaux en français237 207