Fjölmenningarleg kennsla í Manitoba í Kanada, í Noregi og á Íslandi
Bibliographic record
Abstract
Fjölmenningarlegt samfélag er samfélag fólks af ólíku þjóðerni og ólíkum menningar- og trúarlegum uppruna, samfélag fólks sem býr yfir ólíkri reynslu, getu og hæfni. Fjölmenningarleg \nkennsla tekur til þriggja þátta: kennslufræðilegrar nálgunar, hugmyndafræði og ferlis þar sem leitast er við að mæta lýðræðishugsjónum og námsþörfum nemenda. Markmið þessarar \nrannsóknar, sem gerð var í Manitoba í Kanada, í Noregi og á Íslandi, var að afla upplýsinga um hvernig kennarar eru undir það búnir að kenna nemendum af erlendum uppruna; hvernig þeir \nmæta einstaklingsþörfum þessara nemenda og hvernig þeir telja að nemendunum gangi að aðlagast nýju menningarsamfélagi. Gögnum var safnað með viðtölum og vettvangsnótum. Niðurstöður sýndu að viðhorf kanadísku kennaranna sem rætt var við til nemenda af erlendum uppruna er frábrugðið viðhorfum norsku og íslensku kennaranna. Í Manitoba virtist skilningur viðmælenda á fjölmenningarlegri kennslu meiri en í hinum löndunum tveimur. Niðurstöður benda til þess að flestir íslensku og norsku kennararnir sem þátt tóku í rannsókninni hafi ekki öðlast þennan skilning og séu ekki nægilega undir það búnir að mæta þörfum barna af erlendum uppruna í skólanum.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.102 | 0.023 |
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".