MétaCan
Menu
Retour à la cohorte
Enregistrement W3217588800 · doi:10.1080/14733285.2021.2007217

Watching change: attuning to the tempo of decay with pumpkin, weather and young children

2021· article· en· W3217588800 sur OpenAlexafffund
Sarah Hennessy, Tonya Rooney

Notice bibliographique

RevueChildren s Geographies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChildren's Rights and Participation
Établissements canadiensWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCollaboratoryPacePsychological resiliencePsychologyPolitical scienceGeographyComputer scienceSocial psychologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This paper follows a group of young children in an early childhood education setting and their growing acquaintance with a pumpkin over a five-month period. During this time, relations were forged between the pumpkin, weather and the children, and as we observed these emerging relations, we found ourselves attuning to the change of pace this brought to thinking and learning in the centre. In turn, we came to recognize this as the work of a collaboratory. In this paper, we consider the resilience, practices and demands that arise from being in the presence of a pumpkin-weather-child collaboratory. Weathering interrupts and destabilizes routine thinking. Pumpkins weather with wind, snow, sun, critters and rain. Pumpkins also weather whims of human consumption and land management practices as they are reconfigured to meet the demands of human traditions. Children draw educators and researchers into noticing the shifts and tensions unfolding with the tempo of pumpkin decay. Working with a pumpkin-weather-child collaboratory brings opportunities to reconsider the politics and practices of tempo and change in working with children, in early childhood education settings and beyond.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,010
Communication savante0,0060,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,272
Écart entre enseignants0,252 · 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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChildren s GeographiesMême sujetChildren's Rights and ParticipationTravaux en français237 207