MétaCan
Menu
Retour à la cohorte
Enregistrement W3161353189 · doi:10.1590/1984-6398202118068

Literacies in Times of Crisis: A Trioethnography on Affective and Transgressive Practices

2021· article· en· W3161353189 sur OpenAlexaffabout
Brian Morgan, Cláudia Hilsdorf Rocha, Ruberval Franco Maciel

Notice bibliographique

RevueRevista Brasileira de Lingüística Aplicada · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTransgressiveVariety (cybernetics)IdeologyApplied linguisticsLiteracyPower (physics)SociologyAffect (linguistics)PedagogyCritical literacyLanguage educationRelevance (law)PsychologyPolitical scienceLinguisticsPolitics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Utilizing duoethnography (NORRIS; SAWYER, 2012), the authors explore challenges and opportunities for critical language teaching in times of crisis. Following a brief introduction of research methodology, the authors’ trioethnography dialogically examines three topical areas of particular concern in Brazil and Canada: 1. The potency of affect and its relevance for applied linguistics and language teacher education; 2. The re-emergence of “literacy wars” in education, with attention to their ideological and epistemological interconnections to social power relations; 3. Emerging implications for language and literacy pedagogies in which the authors share classroom experiences and transgressive strategies informed by plurilingual and affective insights. The complexity and variety of settings discussed in this final section help promote the possibilities for critical research and teaching in these difficult and dangerous times.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,059
Tête enseignante GPT0,449
Écart entre enseignants0,390 · 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.

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

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevista Brasileira de Lingüística AplicadaMême sujetMultilingual Education and PolicyTravaux en français237 207