MétaCan
Menu
Retour à la cohorte
Enregistrement W4417190115 · doi:10.1108/978-1-61735-842-520251004

Creating Shared Learning Spaces

2012· book-chapter· en· W4417190115 sur OpenAlexaff
Anna Kirova

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueParental Involvement in Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFacilitatorNegotiationRefugeeParticipatory action researchCurriculumCitizen journalismProcess (computing)Social learning

Résumé

récupéré en direct d'OpenAlex

The chapter describes an intercultural, multilingual early learning program that is genuinely responsive to the early learning needs of preschool children and their parents from three ethnocultural refugee communities. By recognizing parents and children as having a wealth of knowledges, the program challenged the deficit frameworks that defined these refugees as lacking in social and cultural capital. Based on the sociocultural-historical theory of learning (Vygotsky, 1978; Wertsch, 1991, 1998), the knowledge-making processes of these cultural and linguistic groups were central to understanding the diverse forms of learning and teaching occurring in this community-initiated, government-funded program. Consistent with Participatory Learning and Action methodology, data were co-constructed and generated collectively during all phases of the process. Unique features of the program include the simultaneous use of four languages in the classroom, each taught by a first-language facilitator with English as the common language; the process of weekly negotiations in planning the emerging curriculum; and parent and community involvement in setting the program’s goals in designing culturally relevant curriculum and in evaluating the children’s learning. These features are discussed and interpreted using minority rights frameworks.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
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: Autre
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,009
Communication savante0,0150,019
Science ouverte0,0040,029
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0290,004

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 Opus0,097
Tête enseignante GPT0,352
Écart entre enseignants0,255 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParental Involvement in EducationTravaux en français237 207