Writing to Transgress: Sharing Stories, Claiming Space, and Finding Community
Notice bibliographique
Résumé
My research has shown that community-based creative writing groups can be safer spaces for people who are under-represented in the English literary canon to craft and share their stories, poems, and other genres of writing. They can also put the act of cultural production into the hands of participants, redefine the notion of great literature, and provide a counterpoint to institutional learning. These groups are potential spaces for learning how to relate to one another with respect while acknowledging our own privileges, which can ultimately transform hegemonic social relations that exclude and oppress rather than connect and build support. Using critical arts-based inquiry and program evaluation methods, I employ a reflexive technique to investigate the benefits of a single group for youth, Toronto Street Writers (TSW), which I facilitated for six years in the neighbourhood where I grew up. TSW is positioned within a range of literacy and community writing groups across North America, transgressive and anti-oppressive theories around creative writing pedagogy are summarized, and interviews with former participants and staff of TSW are analyzed for insights into how to facilitate sustainable community-based creative writing groups that genuinely benefit members. Interview respondents reported several benefits, including: finding support and community, developing identity and a unique writerly voice, learning writing tools and leadership skills, discovering a more equal/safer learning environment than traditional schooling, and using writing as part of a healing process. These findings support the notion that creative writing groups promote personal and community healing and resilience for people who have been historically silenced.
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 | 0,001 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 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 ».