MétaCan
Menu
Retour à la cohorte
Enregistrement W4402109784 · doi:10.55016/ojs/jet.v45i3.52218

Storytelling in University Education: Emotion, Teachable Moments, and the Value of Life

2018· article· en· W4402109784 sur OpenAlexaff
Howard Woodhouse

Notice bibliographique

RevueJournal of educational thought. · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTeachable momentStorytellingValue (mathematics)PsychologyLife valuePedagogyArtSociologyPsychotherapistNarrativeMathematicsLiteratureSocial scienceStatistics

Résumé

récupéré en direct d'OpenAlex

Teaching as a process of storytelling allows faculty to reach out to students' emotions, breathing life into the ideas that are being taught and learned. Storytelling among indigenous peoples emphasizes the importance of balanced relationships with the land, with all living creatures, and with the cosmos. It serves different functions in other societies that can also enhance teaching and learning. Alfred North Whitehead's account of emotions is relevant to the learning process and to teachable moments better understood as learning opportunities that enhance the value of students' lives. I provide an example of such a learning opportunity in which one of my students experienced an energetic connection with her colleagues as a living community. Teachable moments and storytelling can strengthen students' range of comprehension, their imaginative and aesthetic appreciation, as well as their growing capacity to learn. True stories - those based on a process which more coherently and inclusively takes into account life coordinates - enable students and faculty to critique the money sequence of value of the global market. A pedagogy based on true storytelling opens up spaces for the expression of different groups whose voices have been marginalized.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,012
Communication savante0,0090,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,031
Tête enseignante GPT0,349
Écart entre enseignants0,318 · 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'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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of educational thought.Même sujetDigital Storytelling and EducationTravaux en français237 207