MétaCan
Menu
Retour à la cohorte
Enregistrement W4401177410 · doi:10.1163/25902539-bja10025

Improving Education for a More Equitable World

2024· article· en· W4401177410 sur OpenAlexaff
Ratna Ghosh

Notice bibliographique

RevueBeijing international review of education · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePeace and Human Rights Education
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInequalityPreambleParadigm shiftDiversity (politics)Political scienceSociologyInterdependenceConstitutionEconomic growthSocial scienceLawEconomicsEpistemology

Résumé

récupéré en direct d'OpenAlex

The pandemic has been a watershed in history, and we are embarking on a new era. We need to seize this opportunity to reimagine pedagogy in more ethical terms. This chapter asks: What does it mean to have equality in a world that is confronted with diversity and difference in multiple ways? Is education a human right? What is education's role in removing inequality at a time when the gap in inequality is growing among nations and within societies? If we agree that “universal and lasting peace can be established only if it is based upon social justice” (preamble to the i lo Constitution, 1919, p. 1), as educators we need to seize this historical turning point to make education the “great equalizer”. The focus then is on a worldview that is inclusive of all children in the learning process, irrespective of location and their differences. This change in perspective involves a paradigm shift, and underscores the importance of teacher education. In an interdependent world, both peace and our survival are contingent on an equitable and cohesive planet. Education has the potential and the responsibility to prepare the future generation for responsible behavior towards a more equitable and socially cohesive world that preserves the environment and maintains peace.

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,011
Communication savante0,0110,018
Science ouverte0,0010,008
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,038
Tête enseignante GPT0,435
Écart entre enseignants0,397 · 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'étudeObservationnel
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 revueBeijing international review of educationMême sujetPeace and Human Rights EducationTravaux en français237 207