MétaCan
Menu
Retour à la cohorte
Enregistrement W4323037687 · doi:10.1145/3545945.3569840

Critical Pedagogy in Practice in the Computing Classroom

2023· article· en· W4323037687 sur OpenAlexaff
Eric J. Mayhew, Elizabeth Patitsas

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCritical pedagogyPedagogyCurriculumOppressionSocial justiceCritical consciousnessPower (physics)PoliticsPower structureSociologyCritical thinkingMathematics educationEngineering ethicsComputer sciencePsychologyEngineeringPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

To enact social justice in the computer science classroom, we need to go beyond adding token ethics modules to Computer Science (CS) curricula and to rethink the power structures in our pedagogical practices. Critical pedagogy (CP) is a long-standing pedagogical tradition that aims to re-envision power structures in the classroom, but has been relatively underutilized in computing education. To go beyond theoretical ideas of what CP should be in CS, we interviewed 13 computing educators who identified as being influenced by critical pedagogy. We asked participants about their teaching practices, and how they apply CP ideals in their classrooms. To illustrate themes from our interviews and to give a rich description of what a CP-influenced classroom looks like, we present three vignettes highlighting a contrast of approaches to critical CS education: raising students' critical consciousness to see structures of oppression, helping students learn technology that supports their activism, and changing what it means to do computer science by integrating social and political forces. By providing tangible, concrete examples we hope to provide educators with inspiration for their own practice.

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)0,019
score de la tête « metaresearch » (Gemma)0,037
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 enseignants0,019
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,037
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0190,074
Communication savante0,0180,014
Science ouverte0,0020,016
Intégrité de la recherche0,0050,010
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,033
Tête enseignante GPT0,401
Écart entre enseignants0,367 · 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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTeaching and Learning ProgrammingTravaux en français237 207