MétaCan
Menu
Retour à la cohorte
Enregistrement W4212851185 · doi:10.1080/13603116.2022.2041112

Educating in the context of ‘Dispersal’: rural schools and refugee-background students

2022· article· en· W4212851185 sur OpenAlexaboutno aff
Jennifer L. Brown

Notice bibliographique

RevueInternational Journal of Inclusive Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and experiences of immigrants and refugees
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research Council
Mots-clésRefugeeRuralityContext (archaeology)Biological dispersalEconomic growthPolitical scienceSociologyRural areaGeographyPopulation

Résumé

récupéré en direct d'OpenAlex

Policies of dispersal are increasingly favoured internationally for the resettlement of refugees and asylum seekers. With forty percent of the world’s forcibly displaced people being school-aged children, the dispersal of refugee-background people into regional areas means that rural schools are central sites of community response to refugees. Little is known in published research about how rural schools engage in refugee education within the policy context of ‘dispersal’. This review of relevant literature examines the educational dimensions of dispersal policies, drawing on research in Australia, Canada, the United Kingdom, the United States and Sweden. Research linking refugee resettlement, refugee education and rurality shows a complex interplay between histories of exclusion and contemporary challenges in both the construction of rural spaces, and the deployment of humanitarian dispersal policies at national and international levels. This literature is thematically organised to show that in refugee education within a policyscape of dispersal, rural schools may be 1) operating in racialised community contexts; 2) working within poorly resourced infrastructure; 3) unfamiliar with refugee-background students; and, despite these challenges, they may become 4) key sites of resistance, creativity and support for refugee-background students and their families.

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)0,004
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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
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 savante0,0060,005
Science ouverte0,0010,012
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,398
Écart entre enseignants0,385 · 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Inclusive EducationMême sujetEducation and experiences of immigrants and refugeesTravaux en français237 207