MétaCan
Menu
Retour à la cohorte
Enregistrement W4200355821 · doi:10.24310/isl.vi16.13486

Educación para la ciudadanía: recorridos por la literatura infantil

2021· article· es· W4200355821 sur OpenAlexfundno aff
Ângela Balça, Cláudia Ricardo

Notice bibliographique

RevueInvestigaciones Sobre Lectura · 2021
Typearticle
Languees
DomaineSocial Sciences
ThématiqueLiteracy and Educational Practices
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a TecnologiaUniversidade do MinhoInternational Council for Canadian Studies
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Este estudio, que se centra en la problemática de la educación para la ciudadanía, se basa en un documento oficial del Ministerio de Educación portugués, con el título Estrategia Nacional de Educación para la Ciudadanía. La pregunta central de la investigación de este estudio era la siguiente: ¿Cómo podemos educar para la ciudadanía mediante la literatura infantil? Sus objetivos se centraban en conocer y comprender las concepciones de los niños sobre racismo, multiculturalidad y migración, de modo que se ampliaran sus conocimientos sobre estos temas y se pudiera reflexionar con los niños a partir de la práctica para promover la ciudadanía mediante la literatura infantil. El centro de la metodología consistió en una aproximación a la investigación-acción, en consonancia con la reflexión sobre la propia práctica docente. Como instrumentos de recolección de datos se ha usado la entrevista semiestructurada, la observación participante y las notas de campo, además de registros fotográficos y registros audiovisuales. Los participantes en el estudio han sido niños de una clase de tercero de primaria, de un colegio público y urbano. Los resultados han mostrado un mejor conocimiento y comprensión de los fenómenos en estudio, por parte de los niños, tras la intervención con las obras de literatura infantil. La mayoría de los niños fueron capaces no solo de entender los conceptos de racismo, multiculturalidad y migración, sino también de adoptar una posición crítica sobre estos.

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)0,011
score de la tête « metaresearch » (Gemma)0,018
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: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0060,010
Communication savante0,0100,008
Science ouverte0,0020,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,030
Tête enseignante GPT0,341
Écart entre enseignants0,311 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInvestigaciones Sobre LecturaMême sujetLiteracy and Educational PracticesTravaux en français237 207