MétaCan
Menu
Retour à la cohorte
Enregistrement W6996341240

Responding Restoratively to Student Misconduct and Professional Regulation – The Case of Dalhousie Dentistry

2019· article· en· W6996341240 sur OpenAlexaboutno aff

Notice bibliographique

RevueeYLS (Yale Law School) · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Discipline and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMisconductRestorative justicePsychological interventionEconomic JusticeProcess (computing)Conceptual framework
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The 2015 restorative justice process at Dalhousie University’s Faculty of Dentistry is a case study that reveals the connection at conceptual and practical levels between restorative justice and responsive regulation as common expressions of relational theory and practice. Their relationship is clearest when, as in this case, issues are understood in their full contexts and circumstances require a widening of the circle of issues and parties. At this scale the complexity of the situation and the need for responsive interventions capable of supporting and sustaining a just relationship is revealed.\nThe incident at Dalhousie University’s Faculty of Dentistry involved a private Facebook group established by male class members containing sexist and hurtful comments about female classmates and others. At first blush the incident might appear one of interpersonal harm ripe for a restorative justice process. However, several of the female students involved insisted the nature of the situation was more complex. The behaviours in question were reflective of, and contributed to, a deeply structured culture of discrimination and oppression within the Faculty and the profession. A responsive approach was required, in their view, to secure lasting change in the climate and culture within the educational and profession spheres. The resulting process moved parties beyond their adversarial relations to shared understanding necessary for transformation of climate and culture.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil0,622

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,394
Écart entre enseignants0,345 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetEducation Discipline and InequalityTravaux en français237 207