MétaCan
Menu
Retour à la cohorte
Enregistrement W4310054407 · doi:10.1080/02601370.2022.2148303

Researching inequality and lifelong education from 1982 to 2020: A critical review

2022· review· en· W4310054407 sur OpenAlexaff
Petya Ilieva-Trichkova, Sarah Galloway, Bernhard Schmidt‐Hertha, Shibao Guo, Anne Larson, Vicky Duckworth, Tonic Maruatona

Notice bibliographique

RevueInternational Journal of Lifelong Education · 2022
Typereview
Langueen
DomaineSocial Sciences
ThématiqueGlobal Educational Policies and Reforms
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésLifelong learningInequalitySociologyPedagogy

Résumé

récupéré en direct d'OpenAlex

This article explores the International Journal of Lifelong Education archives in the period 1982–2020. We analyse how the Journal engages with the issue of inequality. This is accomplished by systematically identifying relevant articles within the archives, and reviewing these whilst taking account of the societal, cultural and political or economic contexts in which they were written. Most articles identified for review focused on specific disadvantaged groups, discussing ways in which adult education might help, support and strengthen them. A minority took a more critical approach, assessing the drivers for inequality, or problematising the role of lifelong education as a catalyst for addressing inequality or social injustice. In our analysis, we distinguish between inequalities related to class, gender and migration/ethnicity as themes emerging from our initial sweep of the archives, however these themes are represented unequally both in terms of number and attention given across the decades. Perhaps surprisingly, given the different forms of inequality addressed in the Journal, it seems that only very few of these papers can be directly associated with historical events and contexts relevant to the times in which they were written. Theoretically driven conceptualisations of inequality are rarities within the archives, with some notable exceptions.

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)0,007
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0120,014
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,119
Tête enseignante GPT0,548
Écart entre enseignants0,428 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Lifelong EducationMême sujetGlobal Educational Policies and ReformsTravaux en français237 207