Philosophy for Children in ethnoculturally diverse schools: Some opportunities and risks of learning about diversity through philosophical dialogue
Notice bibliographique
Résumé
First- and second-generation immigrant students make up a signification proportion of the primary and secondary school population on the island of Montreal (Quebec, Canada). The Quebec Ministry of Education’s Policy Statement on Educational Integration and Intercultural Education highlights the importance of teaching students about diversity; Philosophy for Children (P4C) could be a promising approach in this regard. However, some scholars have raised concerns about P4C’s lack of sensitivity regarding racism and marginalisation. This article, drawing on empirical data collected during a larger study, explores some ways in which P4C can help students learn about diversity, as well as some of the risks and limitations of using philosophical dialogue to explore ethnocultural diversity, racism, or immigration. The study, conducted in an ethnoculturally diverse grade four classroom in Montreal between January and June 2023, involved a series of philosophical dialogues with the participating students, as well as semi-structured interviews with the students and with their teacher. The results of the study suggest that P4C can help students gain greater awareness of diversity, explore diversity from a theoretical perspective, and question certain stereotypes through collective reflection. However, they also point to certain risks inherent in using P4C to discuss diversity, highlighting the importance of careful facilitation and increased sensitivity training for P4C facilitators around the experiences of immigrant and racialised students. I conclude by proposing some reflections both for facilitators and for future academic research in the field.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».