Inventing expert in English language arts: A case study of critical literacies in a third grade classroom
Notice bibliographique
Résumé
Drawing from data generated during the 2016-2017 academic year, this study centred on U.S. children’s design of two critical literacies compositions—a letter to Congress and a persuasive multimodal text. Situated within an integrated unit focused on (im)migrants, children asked legislators to act on the GOP Administration’s proposed border wall and the #MuslimBan. Simultaneously, their teacher took steps to engage students in critical literacies conversations about access in/to the United States. Using a case study design, I investigated the following: How might traditional perceptions of ‘expert’ shift as children engage in critical literacies using varied materials and technologies? Specifically, I highlight how, by engaging an expansive skill set of communicative practices, children designed texts and enacted identities related to civic agency. Through multimodal composing, one nine-year-old white boy exemplified how children highlight knowledge beyond what is captured in a written text. His multimodal response illuminated his deep understanding of the obstacles faced by (im)migrants as they traverse boundaries. To alleviate such challenges, he “invented” both a transportable water filter cup and a fishing tool and engaged in critical making. When provided with opportunities to compose multimodally, the child—a white boy marked as “behind” in literacy—demonstrated rich content knowledge not readily visible in his written responses. His compositions disrupted understandings of expert with regard to elementary writing and critical literacies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».