Bibliographic record
Abstract
Le développement des médias sociaux numériques a modifié le visage de la culture des jeunes d'un point de vue de son accès à l'information et de sa capacité à communiquer avec le monde entier. Les conditions, les possibilités et les limites de l'utilisation des médias numériques sont différentes pour les jeunes marginalisés en milieu urbain. Afin d'exploiter la valeur éducative des médias numériques dans la vie des jeunes privés de leurs droits, nous devons comprendre son potentiel en tant que moyen d'autonomisation. Cette thèse rassemble des travaux sur les médias sociaux numériques, la culture des jeunes, l'éducation critique aux médias et la justice sociale afin de proposer un nouveau modèle pédagogique (Praxis de la Jeunesse Numérique) qui permet aux jeunes de s'engager dans des pratiques numériques en vue de résoudre les problèmes sociaux qui touchent directement leur vie. La Praxis de la Jeunesse Numérique est un modèle en six étapes utilisé pour comprendre comment les pratiques numériques actuelles des jeunes peuvent être gérées efficacement au sein d'une pédagogie de justice sociale défendue par chacun. Grâce à une Recherche-Action Participative, cette thèse explore comment les jeunes âgés de 14 à 27 ans sont éduqués et vivent à l'ère de la convergence des médias. Ce projet a réuni les universités et les membres de la communauté pour créer un espace de collaboration sécuritaire qui a permis aux participants d'apprendre à se livrer par le biais des médias numériques. Les résultats démontrent que le dialogue et l'apprentissage coopératif aident les participants à créer des productions en médias numériques fondées sur des principes de justice sociale. Ces productions sont devenues un moyen d'autonomisation et d'apprentissage coopératif. L'utilisation de l'approche Praxis de la Jeunesse Numérique représente un écart important vis-à-vis des théories précédentes sur l'engagement numériqu
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.013 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".