MétaCan
Menu
Retour à la cohorte
Enregistrement W4236322717 · doi:10.32920/ryerson.14646420

Disrupting Whiteness Within Academia: Examining the Experiences and Understanding of Whiteness Among White Students Attending Ryerson University

2021· preprint· en· W4236322717 sur OpenAlexaffabout
Danuta Gawron

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésWhite (mutation)NarrativeThematic analysisSociologyInstitutionGender studiesPedagogyQualitative researchPsychologySocial scienceArt

Résumé

récupéré en direct d'OpenAlex

This narrative qualitative research study explored the experiences and understanding of whiteness from three full-time white students at Ryerson University (RU). The theoretical framework draws from Critical Whiteness Studies (CWS) and Critical Whiteness Pedagogy (CWP). Based on existing literature on whiteness, this study utilized semi-structured telephone interviews with the three participants. The participants were randomly selected through recruitment posting and flyers on social media outlets such as Facebook. Data analysis included a thematic and structure of the narratives of the participants. The findings provided insight into how these white students at RU define whiteness and how they understand whiteness demonstrated in academia and, lastly, whether they have perpetrated or fought against whiteness within their academic institution. The results indicate that whiteness is not easily defined, and academia is incorporating diverse perspectives. This paper concludes with implications and discussion on future social work, followed by the conclusion. Key words: Academia, Critical Whiteness Studies, Critical Whiteness Pedagogy, colonialization, gender, whiteness, white students,

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)0,008
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,996
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0190,019
Communication savante0,0080,004
Science ouverte0,0020,012
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,118
Tête enseignante GPT0,338
Écart entre enseignants0,221 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetService-Learning and Community EngagementTravaux en français237 207