MétaCan
Menu
Retour à la cohorte
Enregistrement W3118892664 · doi:10.11645/15.1.2826

Critical discourse analysis as a reflection tool for information literacy instruction

2021· article· en· W3118892664 sur OpenAlexaff
Devina Dandar, Sajni Lacey

Notice bibliographique

RevueJournal of Information Literacy · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésCritical discourse analysisInformation literacyDiscourse analysisSociologyContext (archaeology)Critical literacyPrivilege (computing)IdeologyTerminologyPower (physics)PedagogyCritical pedagogyReflection (computer programming)Status quoCritical reflectionComputer scienceLinguisticsPoliticsPolitical science

Résumé

récupéré en direct d'OpenAlex

This article uses the theoretical perspectives of critical discourse analysis (Mayr, 2008; Fairclough, 1992) and critical pedagogy (Pagowsky & McElroy, 2016; Accardi, et al., 2010) to explore how language is a socially regulating structure used to represent and maintain power within the academic context. These perspectives are applied to two case studies of library terminology used in the authors’ library orientation sessions to examine how language reinforces Western academic ideologies and structures of power in the information literacy (IL) classroom. This analysis facilitates an exploration of how language used in these contexts can both alienate and empower students within the IL classroom. In addition, other aspects that are explored include power dynamics and student voice within the classroom, critical discourse analysis as a tool for IL instruction reflection, and how these are connected to critical pedagogy. The authors also provide questions regarding privilege and power in IL to support library professionals in fostering meaningful reflections and dialogue, challenging their status quo and exploring new approaches to using critical IL in teaching.

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)0,042
score de la tête « metaresearch » (Gemma)0,059
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,059
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0140,006
Études des sciences et des technologies0,0060,017
Communication savante0,0190,020
Science ouverte0,0030,011
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,011
Tête enseignante GPT0,369
Écart entre enseignants0,358 · 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'étudeSans objet
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Information LiteracyMême sujetLibrary Science and Information LiteracyTravaux en français237 207