MétaCan
Menu
Retour à la cohorte
Enregistrement W3108053019 · doi:10.46303/jcsr.2020.7

Fighting the plague: “Difficult” knowledge as sirens’ song in teacher education

2020· article· en· W3108053019 sur OpenAlexafffund
Cathryn van Kessel, Muna Saleh

Notice bibliographique

RevueJournal of Curriculum Studies Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducator Training and Historical Pedagogy
Établissements canadiensConcordia University of EdmontonUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPlague (disease)HatredContext (archaeology)Unconscious mindSociologyAestheticsEpistemologyHistoryPsychologyPsychoanalysisArtPolitical scienceLawPhilosophy

Résumé

récupéré en direct d'OpenAlex

Of the many plagues that affect communities today, a particularly insidious one is indifference and depersonalization. This plague has been articulated by Albert Camus and then taken up in an educational context by Maxine Greene. In this article we, the authors, respond to Greene’s call to co-compose curricula with our students to fight this plague. Recognizing the role of difficult knowledge as well as conscious and unconscious defenses, we develop an approach to “diversity” harmonious with radical love during these troubled times of conflict and increased visibility of hatred. Through a weaving of our experiential, embodied knowledge with theory, we consider how we might invite students to consider contemporary, historical, and ongoing inequity and structural violence. Like Sirens luring sailors to precarious shores, we seek to entice teachers and students to the difficult knowledge they might otherwise avoid as all of us together consider our ethical responsibilities to each other.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,147
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,349
Tête enseignante GPT0,551
Écart entre enseignants0,203 · 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.

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

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum Studies ResearchMême sujetEducator Training and Historical PedagogyTravaux en français237 207