MétaCan
Menu
Retour à la cohorte
Enregistrement W3189402377 · doi:10.55016/ojs/pplt.v4y2020.68854

Experiential Learning and Archaeology: Reconciliation through Excavation

2020· article· en· W3189402377 sur OpenAlexaffabout
Kelsey Pennanen, Lynnita-Jo Guillet

Notice bibliographique

RevuePapers on postsecondary learning and teaching. · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueOutdoor and Experiential Education
Établissements canadiensLakehead UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésExperiential learningExcavationArchaeologyPsychologyHistoryMathematics education

Résumé

récupéré en direct d'OpenAlex

The discipline of archaeology is uniquely positioned to allow for inclusion of culturally appropriate curricula to be incorporated into student learning objectives as mentioned in the 94 Calls to Action by the Truth and Reconciliation Commission of Canada (2015). In this paper the authors discuss the creation, implementation, and qualitative feedback of a community-directed and curriculum-based education program developed by graduate students that uses archaeology to mediate student learning and meet curriculum goals in both classroom and land-based environments. This experiential learning initiative involves graduate and undergraduate students, and students from a local Indigenous community and the surrounding area. Feedback from educators and student participants, both Indigenous and non-Indigenous found that the experience fostered a deeper understanding of longstanding histories of the land and increased cultural appreciation. The paper outlines program development, curriculum connections, community engagement, as well as educator and student feedback. This programming can be used as a framework, and the creation of local and place-based education initiatives is encouraged within other disciplines to facilitate pedagogy for reconciliation.

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)0,014
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,014
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,030
Communication savante0,0080,006
Science ouverte0,0030,018
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,017
Tête enseignante GPT0,314
Écart entre enseignants0,297 · 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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePapers on postsecondary learning and teaching.Même sujetOutdoor and Experiential EducationTravaux en français237 207