MétaCan
Menu
Retour à la cohorte
Enregistrement W4281628329 · doi:10.29173/assert39

Using Economic Analysis to Incorporate Reparations for Black Americans into the US History Classroom

2022· article· en· W4281628329 sur OpenAlexvenueno aff
Amelia H. Wheeler, Chantelle Grace

Notice bibliographique

RevueAnnals of Social Studies Education Research for Teachers · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducator Training and Historical Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCivil rightsPolitical scienceLawPoliticsGovernment (linguistics)Civil societyCurriculumState (computer science)Sociology

Résumé

récupéré en direct d'OpenAlex

The United Nations recognizes that if a nation-state violates the civil rights of its citizens, it is responsible for providing reparations to the harmed group. Many Black Americans assert that the prolonged civil rights abuse they incurred during enslavement and post-slavery discrimination necessitate the US government provide reparations. Thus, many factions of the ongoing civil rights movement (Hall, 2005) focus on securing Black Americans' reparations. However, in my research, I found that US History standards and curricular resources often paint the civil rights movement as completed and reparations as a decontextualized political debate. This article encourages US History teachers to include reparations into their Civil Rights Movement instruction by incorporating economic analysis. To assist in this shift, I detail a framework that can support US History teachers in interweaving economic thinking and data to situate the topic of reparations into their Civil Rights curriculum.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,684
Tête enseignante GPT0,611
Écart entre enseignants0,073 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Social Studies Education Research for TeachersMême sujetEducator Training and Historical PedagogyTravaux en français237 207