“A podcast would be fun!”: The fetishization of digital writing projects
Notice bibliographique
Résumé
While digital writing projects (DWPs) like podcasts, videos, and infographics are rigorous sites of scholarly knowledge production, the growth in their popularity as classroom assignments often has more to do with a sense that these are “fun” assignments. Horner, Selfe, and Lockridge (2015) describe such dismissive attitudes using the term fetishization. When DWPs are fetishized by students and faculty, they are celebrated while being dismissed as pedestrian fads. Ultimately, fetishization decreases the amount of support offered by faculty, the effort invested by students, as well as the demand (and budget) for learning service support. This means that disparities between students (including access to technologies, digital literacies, and “normative” abilities) are exaggerated. In this paper, we illuminate four interconnected drivers of fetishization that obscure the realities of DWPs—the myth of digital natives, assumptions about tool-content division, faith in digital tool neutrality, and idealizations of the web. Like all teaching approaches, thoughtful instructional design and learning supports are required for DWPs to create effective, equitable, safe, inclusive, and accessible learning opportunities. This paper enhances writing instructors’ and tutors’ ability to challenge fetishized perspectives of DWPs in their work with faculty and students alike.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».