Unveiling Community Needs and Aspirations: Card Sorting as a Research Method for Developing Digital Learning Spaces
Notice bibliographique
Résumé
This pilot study is part of a larger “Decolonization of Digital Learning Spaces” project, which aims to develop research tools for communities that are remote and/or excluded geographically, politically, economically, socially, culturally, and linguistically. The project’s ultimate goal is to work alongside these communities to design their own digital learning tools, networks, and online educational environments by accessing and leveraging their knowledge and skills. Testing the single-criterion card sorting method is the first step toward this goal. Card sorting is an easy, enjoyable, and cost-effective method for data collection and analysis, particularly for researchers working in remote areas with limited access to electricity or the Internet. The pilot explored single-criterion card sorting as a method to elicit knowledge from two diverse cultural and linguistic groups engaged in learning activities within their communities. These groups were from a Deaf and Hard of Hearing (DHH) community in Canada (engaged in a bow-making workshop) and a rural Kabyle community in Algeria (engaged in a traditional cooking lesson). Despite low participant numbers, distinct patterns emerged, indicating the method's effectiveness. The results, though anticipated, were non-random, demonstrating the potential of card sorting in producing patterns indicative of how individuals and/or communities categorize their world(s). Kabyle sortings focused on ingredients, highlighting older individuals as teachers passing along knowledge, while the DHH sortings emphasized face-to-face contact and hand movements in communication. The findings, though modest, established relationships, provided insights into the research context and offered logistical understanding, paving the way for further work with DHH and Kabyle communities towards the design of digital learning spaces.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».