MétaCan
Menu
Retour à la cohorte
Enregistrement W3032334060 · doi:10.15173/ijsap.v4i1.4093

Holding space and engaging with difference: Navigating the personal theories we carry into our pedagogical partnership practices

2020· article· en· W3032334060 sur OpenAlexaffvenue
Chris Ostrowdun, Rayna Friendly, Kelly Matthews, Alise de Bie, Frits Roelofs

Notice bibliographique

RevueInternational Journal for Students as Partners · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensMcMaster UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipPraxisSpace (punctuation)Function (biology)SociologyInterdependencePublic relationsNarrativeNature versus nurturePedagogyPolitical scienceSocial scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Partnerships between students and faculty are increasingly established within higher education. Everyone’s unique life story or background influences how they understand partnership praxis. Acknowledging individual understandings of student-faculty partnership matters because personal stories can influence how such partnerships form, function, and evolve. We, as students and faculty, share our individual theories of partnership to illuminate differing ways people can make sense of partnership as praxis. Using a reflective, autoethnographic research approach, we unpack two interdependent threads from our narratives: (a) holding space for how personal histories shape the experience of partnership and (b) engaging the messiness of partnership. To understand and nurture inclusive practices, we contend, means engaging the unique standpoints and social positions that both students and faculty bring into partnerships. Instead of attempting to collapse and converge different perspectives of partnership, we take pause to consider how these differences can enrich partnerships and be honoured throughout a partnership

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)0,034
score de la tête « metaresearch » (Gemma)0,036
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 enseignants0,034
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0270,099
Communication savante0,0250,044
Science ouverte0,0040,027
Intégrité de la recherche0,0050,012
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,242
Tête enseignante GPT0,604
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 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

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Students as PartnersMême sujetHigher Education Practises and EngagementTravaux en français237 207