Reducing Violence Through Chess: Involving Pre-service Teachers in Participatory Action in Schools
Notice bibliographique
Résumé
In this article, I critically reflect and describe how our Chess Development Project (CDP), initiated by pre-service teachers at a university in South Africa, helped create a safer, non-violent, and more supportive school environment. This participatory action research (PAR) project highlights the idea that higher education institutions should not only add to knowledge production but also contribute to practical improvement in the community. In this project, we introduced one sports code, chess, in a township school to reduce violence. The research question addressed was: To what extent does learner engagement in the CDP by pre-service teachers reduce school violence and bridge the gap between the university and the school? We set out to explore and discuss the potential of using chess as an educational tool for creating awareness, improving knowledge, and changing attitudes towards the challenges the learners face in life. The data collection techniques used were field notes, student assistant notes, interviews, questionnaires, and transcribed recordings of our research team reflections. As the coordinator of the project, I played the role of facilitator between the pre-service teachers and the township school. The findings suggest that this project was transformative. As a collective, the students and I became more aware of the day-to-day challenges that schools and communities face in the township areas in South Africa.
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 | 0,049 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,023 | 0,042 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,004 | 0,020 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».