MétaCan
Menu
Retour à la cohorte
Enregistrement W3185303701 · doi:10.3389/feduc.2021.620827

Measuring Privileged Identity in Educational Environments: Development and Validation of the Privileged Identity Exploration Scale

2021· article· en· W3185303701 sur OpenAlexaff
Sherry K. Watt, John A. Mueller, Eugene T. Parker, Rebecca Neel, Kira Pasquesi, Cindy Ann Kilgo, Amanda L. Mollet, Duhita Mahatmya

Notice bibliographique

RevueFrontiers in Education · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCommunication in Education and Healthcare
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIdentity (music)Scale (ratio)PsychologyConfirmatory factor analysisFacilitationSocial psychologyExploratory factor analysisSociologyComputer sciencePsychometricsDevelopmental psychologyStructural equation modelingAestheticsGeography

Résumé

récupéré en direct d'OpenAlex

The present study describes the development and validation of an instrument to measure defensive reactions individuals display in difficult dialogues while exploring privileged identities and interacting across difference. The increased focus on difficult dialogues when exploring privileged social identities in educational environments points to a need for the Privileged Identity Exploration Scale (PIE-S). The Privileged Identity Exploration Model (PIE) (Watt, College Student Affairs Journal., 2007, 26, 114–126; Watt et al., Counselor Education and Supervision., 2009, 49, 86–105) identifies eight defensive reactions. Using exploratory and confirmatory factor analysis, we identified and confirmed four constructs of privileged identity exploration that students exhibit when interacting across social differences, the PIE Scale (PIE-S). We provide a brief overview of the development of the PIE-S, as well as future directions for research and applications to training and facilitation in various educational settings.

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)0,009
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,055
Tête enseignante GPT0,347
Écart entre enseignants0,292 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in EducationMême sujetCommunication in Education and HealthcareTravaux en français237 207