Debates on Education for Canadian Civic Identity and Its Implications for Korean Education
Bibliographic record
Abstract
이 연구의 목적은 캐나다 사례에 기초해 시민 정체성 함양을 위해 한국 사회에서 고민해야 할 사항이 무엇일 수 있는지를 탐색하는 데 있다. 이를 위해 우선 캐나다가 시도했던 시민성 교육의 역사를 간략히 살피고, 이어서 시민성 교육을 둘러싼 쟁점이 무엇인지를 네 가지로 나누어 살펴보았다. 이상의 연구가 주는 함의를 요약하면 다음과 같다. 첫째, 한국인이라는 국가/국민 정체성의 일반 특성을 나열해 가르치려는 목록 기반 접근의 한계를 우리 역시 생각해 봐야 할 것이다. 둘째, 우리도 ‘중첩된 정체성’이나 ‘양방향과정’으로 진행되는 시민 정체성 교육의 문제를 다루는 새로운 개념을 어떻게 만들어 낼 것인지를 본격적으로 고민할 필요가 있을 것이다. 셋째, 시민 정체성 교육을 누가 통제하든 ‘시민적 최소주의’ 나 ‘도덕적 최소주의’ 원칙의 관점에서, 시민 정체성 교육에서 요구되는 시민적, 도덕적 ‘최소주의’가 무엇이어야 하는지를 고민할 필요가 있을 것이다. 넷째, 시민 정체성 교육에서 일종의 영웅사 같은 내용을 가르치는 접근에서 벗어나, 활동가로서의 시민성을 함양하는 것을 중요하게 고려할 필요가 있을 것이다.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".