Making Space: Reading the Truth and Reconciliation Commission of Canada's Report in and Beyond the Classroom through Practice-Based Research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In a graduate-level Digital Storytelling course in the Department of Communication at the Université de Montréal, the first project I assign is called a “Collective Experimental Story.” The intention of this project is to introduce students to collaborative storytelling and to explore a platform that enables participatory forms of presentation and co-creation. I enter into this experimental process with students. In Fall 2021, I proposed that the project respond to the Truth and Reconciliation Reading Challenge. From 2008 to 2015, Canada’s Truth and Reconciliation Commission produced a report documenting the history and ongoing impacts of the country’s residential school system on First Nations. This report includes 94 Calls to Action, including a call for teachers at all levels to address these histories and their effects in the classroom. Students in my course were excited by this proposal. Over the first seven weeks of the course, we read the report, defined the objective and approach of our project, conducted research and development to identify a suitable platform, and divided tasks. We used Gather Town—an online meeting platform that boasts an old-school pixelated video game interface—to stage a live event. The goal was to share what we had learned and to open space for dialogue. Participants circulated as avatars in our simulated spaces. In this article, four of us who were involved in the project describe our practice-based research process.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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