MétaCan
Menu
Retour à la cohorte
Enregistrement W3189438468 · doi:10.7203/jle.4.21025

Teaching Picturebooks in First Year Literature Courses

2021· article· en· W3189438468 sur OpenAlexaff
Danielle A. Morris-O’Connor

Notice bibliographique

RevueJournal of Literary Education · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueThemes in Literature Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésClass (philosophy)Variety (cybernetics)Reading (process)Mathematics educationCritical readingTeaching methodPedagogyPsychologyComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

In many universities, first year literature courses are required for students in a wide variety of programs, including arts and sciences. These courses are generally focused on teaching transferable skills and strategies, such as critical analysis, essay writing, and research. This article argues that picturebooks are an exceptional teaching tool for these broadly focused first-year courses, because they quickly engage students as learners, encourage participation, and open students to new approaches of critically reading texts while challenging their assumptions and personal biases about children’s literature. Examples of picturebooks, secondary sources, class discussion, and group work activities used in first year literature courses are shared, along with students’ responses to these approaches. The article ends with an explanation of a short, low-stakes assignment that instructors can assign students to help build essential skills with picturebooks, and exercises to do around picturebooks to work on critical thinking skills. Picturebooks are often perceived as being simple and only for children, but many picturebooks are layered texts that make great teaching tools for any literature course.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,920
Score d'incertitude au seuil0,791

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,251
Écart entre enseignants0,242 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Literary EducationMême sujetThemes in Literature AnalysisTravaux en français237 207