MétaCan
Menu
Retour à la cohorte
Enregistrement W3199668174 · doi:10.5210/spir.v2021i0.12158

LEARNING IN/DEPENDENTLY IN REFUGEE CAMPS: COMMUNITY-BASED PERSPECTIVES ON TEACHING, LEARNING, AND TECHNOLOGY

2021· article· en· W3199668174 sur OpenAlexaff
Negin Dahya, Cansu Ekmekcioglu, Olivier Arvisais, Laurie Décarpentrie

Notice bibliographique

RevueAoIR Selected Papers of Internet Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and experiences of immigrants and refugees
Établissements canadiensUniversité du Québec à MontréalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRefugeeParticipatory action researchCitizen journalismFocus groupWork (physics)SociologyPedagogyPerspective (graphical)Qualitative researchEngineeringComputer sciencePolitical scienceSocial scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The focus of this project is to understand the ways in which teaching, learning, and technology interact in/dependently in the daily lives of refugee people in Dzaleka Refugee Camp at home, in the community, and at school. Distinctly, we are asking questions about the role of technology in the everyday lives of refugee people in Dzaleka, and specifically related to how teaching and learning relationships are enacted with, about, and around tools that are of value to community members. This AoIR paper will be framed around two key components of this work. The first pertains to the methods in place, specifically, participatory qualitative research methods using remote, digital data collection. The second area of focus is on the preliminary findings from data collection underway between April-July 2021, based on the socio-technical exploration of teaching and learning with technology in Dzaleka. Our study, at present, focuses on three settings: online learning, music production and DJing, and sewing. This work sheds light on novel, in/dependent forms of teaching and learning in these areas in one refugee camp. And this work is needed to inform future technology initiatives in those settings from a community based perspective.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,017
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0170,021
Communication savante0,0090,006
Science ouverte0,0010,012
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,026
Tête enseignante GPT0,396
Écart entre enseignants0,370 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAoIR Selected Papers of Internet ResearchMême sujetEducation and experiences of immigrants and refugeesTravaux en français237 207