MétaCan
Menu
Retour à la cohorte
Enregistrement W4402221865 · doi:10.1177/14782103241281001

Margaret Mead: Early childhood and local expertise in Indonesia

2024· article· en· W4402221865 sur OpenAlexaff
Jan Newberry

Notice bibliographique

RevuePolicy Futures in Education · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésSociologyEarly childhood educationEarly childhoodPsychologyEpistemologySocial scienceGender studiesPedagogyDevelopmental psychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Margaret Mead shaped the field of childhood studies in anthropology in the early 20th century. One of her concerns was the challenge posed to the continuity of childcare from rapid social change in the 1940s and 1960s in the United States. Her interest in the contrast between slowly changing homogenous cultures and those undergoing rapid change developed into a one between independent and interdependent training of children. Yet, Mead was much more concerned with the social institutions that support continuity in enculturation than a binary contrast. Mead’s own expertise and her attention to the local expertise of women and mothers is juxtaposed with recent scholarly work on the production of expertise as a form of knowledge. Interest in local forms of women’s knowledge associated with ethnomethodology and feminist standpoint theory seems to have gone missing. Dramatic social change in Indonesia since the late 1990s has corresponded with a realignment of expertise in the era of democratic reform, highlighting the tension between local and globalized forms of knowledge around early childhood education and care (ECEC). Based on long-term ethnographic research in central Java, I argue that existing forms of governmentality offer the possibility for recognizing and redistributing the local expertise of neighborhood women and mothers as a balance to globalized programs for ECEC.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,006
Communication savante0,0040,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,009
Tête enseignante GPT0,322
Écart entre enseignants0,314 · 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
GenreAutre

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 revuePolicy Futures in EducationMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207