MétaCan
Menu
Retour à la cohorte
Enregistrement W4285028173 · doi:10.4324/9781003205296-8

Self-Location as a Disruptive Counternarrative in Teaching and Learning

2022· book-chapter· en· W4285028173 sur OpenAlexaboutno aff
Kateri Marie Marandola

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueGeography Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePsychologyMathematics educationPedagogy

Résumé

récupéré en direct d'OpenAlex

Colonization has had deep and lasting impacts on the Indigenous people of Canada and continues to be prevalent today as we unearth the human cruelty and impact inflicted through politics and religious institutions in partnership with the colonial agenda. With the Covid-19 pandemic impacting the global community, light is being shed on the political corruption and disregard for human life on a socio-economic scale that has plagued the colonial world for centuries. In Canada, systemic racism has attempted to silence Indigenous peoples through the Indian Act and the residential school system with the intention of assimilation or extinction by denying their culture, traditions, and language. Their strong sense of community and cultural practices have allowed them to survive this genocide that is ongoing as living conditions and human rights are not being significantly improved or acknowledged. This chapter explores self-location, an Indigenous research methodology, as a counternarrative to teaching and learning intended to assist in guiding the journey to decolonize our society through allyship. This approach is intended to develop a better sense of self and understanding of our own unique roles as members of a community. Self-location is explored as a counterpart to teaching and learning that supports decolonization and learning throughout the curriculum. Through educational reform, self-location is intended to develop the human spirit through the practice of empathy, forgiveness, love, and compassion, emphasizing the necessity of accountability and responsibility as citizens who belong to a global community.

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)0,011
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,018
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,067
Communication savante0,0120,006
Science ouverte0,0020,012
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,023
Tête enseignante GPT0,342
Écart entre enseignants0,319 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeography Education and PedagogyTravaux en français237 207