Teaching the Untold Story: Using 'I Am Not A Number' as a Didactic Resource to Address the Legacy of Indigenous Residential Schools
Bibliographic record
Abstract
Denne oppgaven utforsker hvordan barneboken "“I Am Not A Number”" utgitt i 2016 av Jenny Dupis og Kathy Kacer kan integreres i undervisningen på mellom- og ungdomstrinnet i norsk skole for å fremme kritisk tenkning og øke bevisstheten rundt urfolks historie, både i Canada og på verdensbasis. “I Am Not A Number” forteller historien om en ung jente fra et urfolksamfunn i Canada som blir tvunget til å dra hjemmefra for å gå på en internatskole, der målet er at hun skal miste sin kulturelle identitet, gjennom assimileringspolitikken sin teori. Boken skildrer flere sider av hva koloniseringen, og dehumaniseringen av urfolk førte til. Oppgaven ser på hvordan boken kan brukes som et pedagogisk verktøy i klasserommet for å lære elever om urfolks kultur, identitet og de utfordringene de har møtt gjennom historien, på en enkel og reflekterende måte. Gjennom analyse av bokens innhold og tematikk, belyses assimileringen og koloniseringen av urfolk som et viktig tema for å forstå deres nåværende situasjon og rettigheter, og hvordan dette kan undervises om i tråd med LK20\n\nOppgaven ser på hvordan undervisningen kan bidra til å utvikle elevers evne til kritisk tenkning ved å stille spørsmål ved assimileringspolitikken, og hva denne førte til. Gjennom refleksjon og diskusjon kan elever utforske hvordan ulike historiske hendelser har påvirket urfolks kultur, rettigheter og levesett. Oppgaven argumenterer for at det er viktig å inkludere urfolks perspektiver i undervisningen for å fremme en bredere forståelse av deres kultur og tradisjoner, og for å oppmuntre til respekt og anerkjennelse. Dette kan hjelpe elever med å bli mer bevisste på urfolks rettigheter og deres kamp for å bevare sin kultur og tradisjoner, samt motivere dem til å bli aktive støttespillere i arbeidet for sosial rettferdighet og likeverd. Denne oppgaven argumenteres det for at bruken av barneboken "“I Am Not A Number”" i norsk skole kan være et effektivt verktøy for å øke bevisstheten om urfolk sin historie, møte med assimilering og deres rettigheter, samt fremme kritisk tenkning.
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 | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.017 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
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".