MétaCan
Menu
Retour à la cohorte
Enregistrement W4205098360 · doi:10.31756/jrsmte.515

Why Multispecies’ Flourishing?

2022· article· en· W4205098360 sur OpenAlexaff
Steven Khan, G. Michael Bowen

Notice bibliographique

RevueJournal of Research in Science Mathematics and Technology Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensMount Saint Vincent UniversityBrock University
Organismes subventionnairesnon disponible
Mots-clésFlourishingPerspective (graphical)Scale (ratio)Point (geometry)SociologyPsychologyEpistemologyAestheticsEnvironmental ethicsEcologyVisual artsSocial psychologyGeographyArtBiologyMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

As a science teacher I often tried to "shift" the viewing of the world by my middle-school students from being very human-centric towards one that was more focused on the world as experienced by the organisms in the (eco)systems we were studying, to think about the world from the "level" of the organisms and the richness of the lived experiences they were having. One approach I used was showing them scenes from the movie "Honey I Shrunk the Kids" where the world view of the human participants was considerably shrunken to that where they could "ride" on the back of a bee and experience simple rainfall as a small organism would. I used Barbara McClintock's description of her thinking like corn, trying to imagine what it would be like to be corn (see Keller, 1983; Henry, 1997), as a foundation for my thinking on this as a teacher, and engaged my students in science talks (Gallas, 1995) to get them to start thinking about the world in more complex ways, in some senses as experienced by other organisms and from a different point-of-view, a different perspective and scale, than humans doing science usually start from. – GMB

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)0,004
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,017
Communication savante0,0040,007
Science ouverte0,0010,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,072
Tête enseignante GPT0,460
Écart entre enseignants0,387 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Science Mathematics and Technology EducationMême sujetGeographies of human-animal interactionsTravaux en français237 207