Notice bibliographique
Résumé
Instructional resources often assume that students learn best when they have access to a quiet environment. This article interrogates silence’s presumed objectivity and innocuousness as the sonic backdrop for schooling. I argue that norms and expectations around silence in schools in the United States (US) inscribe a sonic color line. Such standards codify white, middle-class ways of sounding as an indicator of rationality. Simultaneously, they construct other ways of being sonically, particularly those traditionally associated with Black cultural norms, as generally unfit for school. The sanctioning of silent comportment in schools likely affects the academic achievement and sense of belonging of students whose sonic cultures differ from the schools’.I illustrate my argument with examples from classroom management resources published between 2001 and 2021. While silence’s role in constructing raced, gendered, and classed subjectivities prevails across school subjects, I focus specifically on materials for music educators. This school subject emphasizes sound production and reception, which makes its resources particularly explicit about sound management. I conducted a close reading of the materials informed by Foucault’s (Citation1980, 1978/1991) approach to the analysis of discourses, paying close attention to how silence-related norms and expectations shape students’ academic and ontological horizons.By mapping out silence’s role in producing a racial color line, this article underscores the central role that anti-Blackness continues to play in US schools nearly 70 years after school segregation was ruled unconstitutional.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,019 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».