MétaCan
Menu
Retour à la cohorte
Enregistrement W3113896925 · doi:10.1080/1554480x.2020.1860060

Identity texts: an intervention to internationalise the classroom

2020· article· en· W3113896925 sur OpenAlexaffabout
Rahat Zaidi, Dania El Chaar

Notice bibliographique

RevuePedagogies An International Journal · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Student and Expatriate Challenges
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCognitive dissonanceIdentity (music)Sociocultural evolutionCultural identityPedagogyPsychologyIntervention (counseling)HumanitySociologySocial psychologyAestheticsAnthropologyPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

The growing number of international students studying at Canadian universities has exacerbated the need to address identity, cultural aspects of teaching, and the commonalities of different cultures through a transcultural lens. To explore these concepts, researchers conducted a qualitative study using a workshop format at a large university in western Canada with graduate students, postdoctoral students, and faculty members from multiethnic backgrounds (N = 9). Two questions were posed to precipitate the research: 1) What does being transcultural mean to you? 2) Have you experienced cultural dissonance as part of your professional life? In a series of three activities, participants explored how to use identity texts (written, spoken, visual, musical, or multimodal sociocultural artefacts produced by participants) as an intervention to foster transculturalism and reduce tension and dissonance in a cross-cultural educational setting. Results indicated that using identity texts increased self-awareness, built trust, enhanced belonging, and revealed common humanity, thus creating opportunities to develop a successful professional identity in a multiethnic milieu.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,002
Communication savante0,0020,002
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,128
Tête enseignante GPT0,457
Écart entre enseignants0,328 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePedagogies An International JournalMême sujetInternational Student and Expatriate ChallengesTravaux en français237 207