Educación Hacker y Empoderamiento de las comunidades hacker hasta la escuela
Bibliographic record
Abstract
Tenint com a punt de partida l'emergència que l'educació contribueixi perquè les persones i comunitats, a través de les seves pròpies experiències i construccions, puguin alliberar-se de les relacions desiguals de poder que d'alguna manera les afecten, aquesta investigació gira els ulls a l'ecosistema educatiu de les comunitats hacker, on ocorre el que anomenem l'Educació hacker. Comprendre com la vivència de l'educació hacker a l'escola contribueix en el procés d'empoderament de les persones i comunitats és la problemàtica central d'aquest treball. Per a la construcció del marc teòric, el nostre primer pas ha estat ampliar els horitzons sobre els eixos principals que componen aquesta investigació: empoderament, cultura hacker i educació. Vam tenir dos macro contextos principals d'investigació empírica. El primer ha estat les comunitats hacker, amb una mostra formada per cent quinze hackers, amb representants de tots els continents i de les diferents comunitats. El segon ha estat el projecte Conexão Escola-Mundo, més específicament, les accions en el Colégio de Aplicação de la UFSC en els anys de 2018 i 2019. Des d'un abordatge de mètodes mixtos, hem representat als participants amb qüestionaris mixtos i entrevistes. Tres objectius específics han conduït aquest procés: 1) Identificar quines i com les característiques de l'educació hacker són viscudes pels participants en les comunitats hacker i en el projecte Conexão Escola-Mundo; 2) Comprendre com la vivència de l'educació hacker afavoreix l'empoderament en una dimensió personal, comunitària, tecnològica i emancipadora, en els dos contextos i 3) Identificar quines són les limitacions pràctiques per a la vivència de l'educació hacker a l'escola. Com a resultats destaquem la comprensió multidimensional de l'educació hacker que hem identificat en la investigació, composta per sis dimensions: inquietud, acció-diversió, dimensió del col·lectiu, societat-comunitat, dimensió del compartir i la humanística-tecnològica. En els diferents contextos aquestes dimensions són experimentades en diferents mesures. En relació ambl'empoderament, en els dos contextos hem identificat contribucions significatives en la dimensió personal, en aspectes com l'autoestima, l'autonomia, la responsabilitat i l'enfortiment d'una identitat més comunitària. Part d'aquests èxits, fruit del caràcter col·lectiu-comunitari de l'educació hacker, el que també ha apuntat contribucions a l'enfortiment comunitari, en la dimensió comunitària d'empoderament, en els dos contextos. En la dimensió tecnològica hem notat que, en especial en les comunitats hacker, l'experiència del seu ecosistema educatiu ha contribuït no només per a la presa de consciència per part dels hackers sinó també el canvi de comportament sobre la manera amb què s'apropien de les tecnologies. Finalment, en la dimensió d'empoderament que anomenem de superació de les opressions, hem notat en les comunitats hacker que l'experiència de l'educació hacker contribueix en aspectes relacionats al consumisme, combat les opressions que tenen com a mecanisme les tecnologies de vigilància i el control i la superació de casos de depressió, mentre que, a l'escola, l'experiència de l'educació hacker apunta també a la superació de situacions de assetjament escolari de diferents tipus d'exclusions.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.015 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".