Democratic Education in the Literature Classroom: Integrating Political Literacy and Political Emotions into Agonistic Literary Discussions. A Response to “Agonism in a Classroom Discussion on Strindberg’s <em>Miss Julie</em>”
Notice bibliographique
Résumé
In an era of rising polarization and populism, how can we transform the literature classroom into a site of democratic education? Drawing on agonistic scholarship, Tysklind et al. (2024) offer the agonistic literary discussion, a novel pedagogical approach aiming to prepare students for the complexities of democracy by forming collective identities and navigating conflictual consensus. To build on the authors’ work, this response article proposes two additions—political literacy and political emotions—and cautions against the risk of antagonism. Agonistic literary discussions can integrate political literacy through teaching relevant knowledge and careful questioning, enabling students to situate characters’ experiences in political contexts and identify power dynamics in texts and society. Political emotions can be infused through inductive discussions and the strategy of circulation, allowing students to grasp relations of power and invest collective identities on an emotional level. However, students risk antagonizing one another when they passionately discuss the political dimension of literary texts. Establishing hegemony and fostering forgiveness may be helpful strategies to mitigate this risk, provided they are applied in careful and power-conscious ways. Expanded in this fashion, agonistic literary discussions can more fully equip students to engage with the tumult of contemporary democracy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».