Mad, Maddened, and Maddening: A Mad Duoethnographic Exploration of Undergraduate Education
Notice bibliographique
Résumé
Higher education is known to be a hostile environment towards mad(dened) and disabled students, faculty, and staff, who experience high amounts of discrimination, exclusion, and epistemic and institutional violence (Shanouda, 2019). As two activist/scholars with experiences teaching and learning within mad(dening) higher education conditions, we are committed to activism and critique in higher education that cultivates affirming conditions for mad(dened) students through disruptions of the ableist and sanist status quo in higher education. Through a duoethnographic approach (Sawyer & Norris, 2012) that emphasizes the tenets of Pinar’s (1994) currere—which involves an autobiographical exploration of one’s personal experiences within education—this article explores three themes pertaining to undergraduate education: (a) Mad identity, (b) maddened subjectivities, and (c) maddening higher education. We explore these themes through personal and intimate co-writing, with a specific focus on our encounters and learnings with and from mad community, the currently maddened state of neoliberal higher education, and our desire to promote a political maddening of higher education. While distilling these themes, we also advocate for their interconnections and weave our life histories teaching and learning in undergraduate education specifically. Throughout our duoethnographic writing, we strive to critique and disrupt the currently exclusionary conditions of undergraduate education while politicizing madness as an identity and coalitional community. We end by providing recommendations for how higher education can create more affirming learning conditions for undergraduate students while creating space mad community and activism.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».