The “problem” of Australian First Nations doctoral education: a policy analysis
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
Purpose Social marketing and government policy are intertwined. Despite this, policy analysis by social marketers is rare. This paper aims to address the dearth of policy analysis in social marketing and introduce and model a methodology grounded in Indigenous knowledge and from an Indigenous standpoint. In Australia, a minuscule number of First Nations people complete doctoral degrees. The most recent, major policy review, the Australian Council of Learned Academies (ACOLA) Report, made a series of recommendations, with some drawn from countries that have successfully uplifted Indigenous doctoral candidates’ success. This paper “speaks back” to the ACOLA Report. Design/methodology/approach This paper subjects the ACOLA Report, implementation plans and evaluations to a detailed Indigenous Critical Discourse Analysis using Nakata’s Indigenous standpoint theory and Bacchi’s Foucauldian discourse analysis to trace why policy borrowing from other countries is challenging if other elements of the political, social and cultural landscape are fundamentally unsupportive of reforms. Findings This paper makes arguments about the effects produced by the way the “problem” of First Nations doctoral education has been represented in this suite of Australian policy documents and the ways in which changes could be made that would actually address the pressing need for First Nations doctoral success in Australia. Originality/value Conducting policy analysis benefits social marketers in many ways, helping to navigate policy complexities and advocate for meaningful policy reforms for a social cause. This paper aims to spark more social marketing policy analysis and introduces a methodology uncommon to social marketing.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,008 | 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