Poetic Re-presentations on Trust in Higher Education
Notice bibliographique
Résumé
This article discusses using poetic transcription (Glesne, 1997) as a tool for examining trust, including what trust looks and feels like from the “lived experiences” (Richardson, 1992) of university educators. We first explore the rationale for using poetic transcription in this study, discussing how and why poetry may be used as a profound narrative tool (Wells, 2004). This is followed by an overview of the methodology of poetic re-presentation (after Butler-Kisber, 2010; Glesne, 1997; Richardson, 2003). Next, we present selected poems from three different educators (a retired teacher, graduate student teacher, and teacher/administrator). We discuss critical insights and perspectives on trust, including ways that poems can evoke emotion, build empathy, and elicit deeper understandings of the topic at hand (Cannon Poindexter, 2002; Clunis D’Andrea, 2013; Eisner, 1997; Faulkner, 2007; Furman, Lietz, & Langer, 2006). We conclude by discussing some of reasons why poetry is ideally suited for broadening the horizons of educational research. Dans cet article, nous traitons de l’emploi de la transcription poétique (Glesne, 1997) en tant qu’outil pour examiner la confiance, y compris la manière dont la confiance paraît et se ressent à partir d’« expériences vécues » (Richardson, 1992) par des éducateurs universitaires. Tout d’abord, nous explorons pourquoi nous avons utilisé la transcription poétique dans cette étude, nous discutons comment et pourquoi la poésie peut être utilisée en tant qu’outil narratif profond (Wells, 2004) pour découvrir le coeur de la confiance. Ensuite, nous présentons un aperçu de la méthodologie de la représentation poétique (après Butler-Kisber, 2010; Glesne, 1997; Richardson, 2003). Puis nous présentons quelques poèmes choisis de trois éducateurs différents (un professeur à la retraite, un étudiant diplômé enseignant et un enseignant/administrateur). Nous discutons les idées critiques et les perspectives sur la confiance, y compris les diverses manières dont les poèmes peuvent évoquer l’émotion, faire éprouver l’empathie et susciter une compréhension plus profonde sur le sujet à l’étude (Cannon Poindexter, 2002; Clunis D’Andrea, 2013; Eisner, 1997; Faulkner, 2007; Furman, Lietz et Langer, 2006). En conclusion, nous discutons quelques-unes des raisons pour lesquelles la poésie se prête de façon idéale à la recherche en éducation.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».