MétaCan
Menu
Retour à la cohorte
Enregistrement W3089216523 · doi:10.5296/ire.v8i2.17475

Learning Through Pictures: The Integration of Reflexive Photography in Social Justice Education

2020· article· en· W3089216523 sur OpenAlexaff
Mary Goitom

Notice bibliographique

RevueInternational Research in Education · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Work Education and Practice
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésReflexivitySociologyExperiential learningPedagogyIdentity (music)BachelorThe artsSocial workSocial justiceReflection (computer programming)Experiential educationEngineering ethicsVisual artsComputer scienceAestheticsSocial sciencePolitical scienceEngineeringArt

Résumé

récupéré en direct d'OpenAlex

This article explores the use of reflexive photography as an experiential teaching method in teaching social justice education in an undergraduate social work program. Using critical auto-ethnography as a method, it discusses how this was built into a second-year Bachelor of Social Work (BSW) course by way of planning and application. Drawing on Freire’s concept of reflexive practice and based on the experiences of a social work educator teaching this course, the paper describes how (a) the course was designed and executed to realize student knowledge, (b) reaffirm the importance of reflexive practice for knowledge building and (c) for social transformation. On the basis of reflection from its application and student experiences, the author discusses the potential effect that integrating arts-informed teaching methods have on social justice oriented approaches to social work practice, the development of students’ practice and professional identity.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,845
Score d'incertitude au seuil0,915

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,225
Tête enseignante GPT0,572
Écart entre enseignants0,346 · 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.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Research in EducationMême sujetSocial Work Education and PracticeTravaux en français237 207