MétaCan
Menu
Retour à la cohorte
Enregistrement W4400066136 · doi:10.47989/kpdc531

An interview with Gerald Cupchik: Equity, diversity and inclusion

2024· article· en· W4400066136 sur OpenAlexaff
Gerald Cupchik, Michael F. Shaughnessy

Notice bibliographique

RevueJournal of Praxis in Higher Education · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInclusion (mineral)Equity (law)SociologyPoliticsFeelingActive listeningDiversity (politics)RedressPsychologyPedagogySocial psychologyPublic relationsMedia studiesPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

How should we address equity, diversity, and inclusion issues in the ‘Post-COVID era’? Some students just want the degree, whereas others miss the social intimacy of classroom experiences. In this interview, we address a dissociation between university administrations with top-down, ideologically driven agendas, and the lived experiences of students. Students become immersed in diversity by participating in classes based on shared interests that cut across backgrounds and reflect experiential learning; moving from ‘cliques to networks.’ Inclusion cannot be mandated by the university and formally required of lecturers. Rather, it reflects a student’s feeling of belonging based on acceptance by others in the classroom setting and this is something that lecturers can foster. Equity is a more delicate theme tied to past exclusions that touch many communities. Gatekeepers have historically excluded students based on race or cultural affiliation. Attempts to redress this imbalance for specific communities can forget the historical exclusion of others. My approach favors ‘inclusive authenticity,’ whereby students are in touch with their heritage, and ‘reflective awareness,’ a sensitivity to the political dynamics that surround them. We can move from ‘surface to depth,’ both as institutions and individuals by fostering critical thinking and listening to the voices of students.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil0,782

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,117
Tête enseignante GPT0,431
Écart entre enseignants0,313 · 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 tête enseignante, 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Praxis in Higher EducationMême sujetHigher Education Practises and EngagementTravaux en français237 207