MétaCan
Menu
Retour à la cohorte
Enregistrement W4394912293 · doi:10.1080/00330124.2024.2308622

The Making of the Campus Namescape: A Comparison of University Naming Policies in Canada and the United States

2024· article· en· W4394912293 sur OpenAlexafffundabout
Reuben Rose‐Redwood, CindyAnn Rose-Redwood, Derek H. Alderman, Katherine Hackett

Notice bibliographique

RevueThe Professional Geographer · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNames, Identity, and Discrimination Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPolitical sciencePublic administration

Résumé

récupéré en direct d'OpenAlex

The naming of places on university campuses plays an important role in shaping the cultural landscapes and geographies of higher education institutions. In recent years, there have been contentious debates over place renaming at colleges and universities in North America and around the world, which has drawn increasing attention to the politics of toponymic practices in higher education contexts. The decision-making process involved in place naming on a university’s campus is generally informed by the institution’s naming policy and implemented by a university naming committee, yet there is very little scholarship on university naming policy frameworks, procedures, and practices. In this article, we provide a systematic and comparative analysis of university naming policies in Canada and the United States. Drawing on data from more than 2,000 colleges and universities across North America, we assess the level of representation that faculty and students have on university naming committees, institutional commitments to public engagement in the naming process, the value of diversity, and restrictions on corporate naming rights agreements. We conclude that colleges and universities should develop more inclusive and equitable naming policy frameworks to ensure that campus namescapes live up to the ideals of higher education institutions in the twenty-first century.

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)0,008
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,814
Score d'incertitude au seuil0,944

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0070,019
Études des sciences et des technologies0,0220,010
Communication savante0,0110,003
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,345
Écart entre enseignants0,323 · 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'étudeQualitatif
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

Citations5
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Professional GeographerMême sujetNames, Identity, and Discrimination ResearchTravaux en français237 207