A collaborative autoethnography on challenging sociohistorical constructions of gender in teacher education
Notice bibliographique
Résumé
In early 2019, we developed a workshop that examines changing representations of masculinities and femininities through advertisements from today and from 30 years ago. We employ a pedagogy of discomfort (Boler, 1999) and challenge participants—whether students, teacher candidates, or seasoned educators—to historicize and critique how they co-construct sociohistorical representations and performativity of gender (Butler, 1990). Our hopes are that participants begin deconstructing how and which understandings of gender became normalized to them, as well as how they perpetuate or disrupt “masculinities” and “femininities”. Through regular debriefing, we realized that we do not merely facilitate but also actively participate in each workshop, not just guiding but also being guided by changing discussions with every iteration, suggesting needs to historicize and critique our own discomforts in relation to participants’ engagements. In identifying and reflecting on ‘critical moments’ from our workshops, we conducted a collaborative autoethnography (CAE) to examine not only how participants responded to our call for unpacking their representations, but also how participants caused us to challenge our own representations. In using CAE, our experiences and reflections became our data, and we analyzed interpretations of experiences for commonalities and differences, creating opportunities to deconstruct our relationalities in constructing and historicizing representations (Hernandez, Chang & Ngunjiri, 2017). In this article, we discuss how this process affected the workshop’s evolution and our continued self-analysis. We argue that if students are to interrogate sociohistorical gender constructions, educators must continuously examine how their own discomforts influence their engagement with students’ responses.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,019 | 0,021 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».