Hands-On: Curricular Bridging Concepts from Maker Spaces Re-Turning to Hand-Made and Many Hands Making Together
Notice bibliographique
Résumé
Poet, author and activist Maya Angelou once told Oprah Winfrey, "Do the best you can until you know better. Then when you know better, do better" (Winfrey, 2011, 2:08). This is practical advice for anyone, including curriculum developers. Angelou was, of course, speaking of forgiveness, fortitude, perseverance and learning. What is interesting for me as an educator is how Angelou went about teaching Winfrey this lesson. Recognizing the power differential between her and the then young Winfrey, she did not begin their relationship by giving advice. She began it by making Winfrey food—a making gesture signifying Winfrey’s equality with the maker. After their meal, Angelou encouraged further communion by sharing poetry made by Paul Laurence Dunbar. The making of things, physical things as in a meal, and/or artistic things as with poetry, is not featured in most Canadian curriculums. Where it does appear, it is framed as optional or vocational; making is something for those with less cognitive aptitude or for artists with marginal value to community commerce. This orientation in curriculums has perhaps led to the under-valuation of “making” as a strategy for relationship building, for reconciliation and for bridging social power divides. My presentation describes a critical discourse analysis I conducted of this popular Angelou quotation and its historical context. I use it to explore insights related to how divides might be bridged through a curriculum that assigns greater value to “making” (Fairclough et al., 2014; van Dijk, 2001; Wodak, 2011; Wodak & Meyer, 2008; Wodak & Reisigl, 2006).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».