MétaCan
Menu
Retour à la cohorte
Enregistrement W4389324455 · doi:10.55016/ojs/ajer.v64i1.56335

Loving Language: Poetry, Curriculum, & Ted T. Aoki

2018· article· en· W4389324455 sur OpenAlexaffvenue
Carl Leggo

Notice bibliographique

RevueAlberta Journal of Educational Research · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPoetryHumanitiesCurriculumScholarshipSociologyPhilosophyPedagogyLinguisticsPolitical science

Résumé

récupéré en direct d'OpenAlex

As a curriculum researcher and poet, I am committed to honouring complexity, asking questions, acknowledging tensions, and challenging answers. As curriculum theorists, scholars, and educators, we need to attend to language. Ted T. Aoki (2005a) reminds us to attend to “the voice of play in the midst of things—a playful singing in the midst of life” (p. 282). Poetry can invigorate our curriculum studies by helping us imagine new ways of attending to language, new ways of knowing and becoming, and new ways of inquiring about living experiences. In this paper, I offer a sequence of poems, anecdotes, and ruminations composed as responses to Ted T. Aoki’s curriculum scholarship. En tant que poète et chercheur penché sur les programmes d’études, je suis engagé à respecter la complexité, à poser des questions, à reconnaitre des tensions et à remettre en question les réponses. Comme théoriciens du curriculum, universitaires et éducateurs, nous devons porter attention à la langue. Ted T. Aoki (2005a) nous rappelle de porter attention à « la voix ludique au milieu des choses – un chant joueur au milieu de la vie » (p. 282). La poésie peut dynamiser nos études de curriculum en nous aidant à imaginer de nouvelles façons de concevoir la langue, de nouvelles façons de savoir et de devenir, et de nouvelles façons d’étudier le vécu. Dans cet article, j’offre une série de poèmes, d’anecdotes et de ruminations composés en guise de réponses aux recherches de Ted T. Aoki sur les programmes d’études.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,007
Communication savante0,0040,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,006
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 Opus0,090
Tête enseignante GPT0,408
Écart entre enseignants0,318 · 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'étudeSans objet
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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlberta Journal of Educational ResearchMême sujetLiteracy, Media, and EducationTravaux en français237 207