Bla bla bla estudios

El trabajo de The Blahs

Actualmente estamos a mitad de camino de una investigación financiada por la Fundación Paul Hamlyn relacionada con la gira de nuestra escuela de La canción de los buitres.    El Desarrollo Social, Moral, Espiritual y Cultural (SMSC) se identifica en el programa de evaluación de OFSTED para evaluar la eficacia general de una escuela. El aprendizaje del SMSC tiene el potencial de enriquecer la vida de los jóvenes, al llegar «al corazón de lo que es ser humano». Sin embargo, con demasiada frecuencia, los centros escolares nos dicen que la enseñanza de la educación cívica y social está marginada y que les gustaría reflexionar más profundamente sobre cómo integrar este aspecto del aprendizaje.

La compañía de teatro Blah Blah Blah reconoció que esto era una necesidad y una oportunidad, e invitó a las escuelas primarias de la zona de Leeds a unirse a nosotros en un proyecto de investigación para explorar y probar un nuevo modelo de teatro participativo y recursos digitales como herramienta para fortalecer la provisión de SMSC.

Teaser | Ourk | #Jeune public #en salle | Blah Blah Cie

Aprender a escucharse unos a otros, aprender a rifar las ideas, aprender cuándo hablar, cuándo dejar espacio, aprender a encontrar la música a través de una prioridad emergente, y dejarnos transformar y definir por el propio proceso es el reto: dejar de lado el «qué» implementar y explorar el «cómo» para co-crear caminos hacia los objetivos a través de este momento de transformación. (Veland et al. 2021, p 12)

Sustain Sci 17, 497-506 (2022). https://doi.org/10.1007/s11625-022-01123-0Download citationShare this articleAnyone you share the following link with will be able to read this content:Get shareable linkSorry, a shareable link is not currently available for this article.Copy to clipboard

Blah Blah Blah (Official Lyric Video) (10 stunden version)

No hay un resumen disponible para este contenido. Como usted tiene acceso a este contenido, el contenido HTML completo se proporciona en esta página. Un PDF de este contenido también está disponible en a través del botón de acción ‘Guardar PDF’.

Esa conversación me recordó otro correo electrónico de un investigador reconocido internacionalmente en una disciplina de ingeniería hace unos años. Había decidido no revisar ningún artículo de investigación por el mismo tipo de cuestión fundamental. En su correo electrónico, escribió, y cito:

La gran mayoría de los trabajos presentados en nuestro campo parecen ser o bien un problema que fue esencialmente resuelto hace 20 años (o más) y comparan un algoritmo («un novedoso bla, bla, bla») con otro algoritmo que generalmente no es el estado del arte. O cualquier cosa que esté de moda (a menudo el aprendizaje automático en estos días) y aplicarlo sin pensar en cuál es la mejor manera de resolver el problema en cuestión».

Lo que este colega decía no parece ser específico de ningún área de investigación concreta. Se trata de una preocupación común en varias disciplinas, como las ciencias sociales, la ingeniería y las ciencias médicas, cuyos investigadores utilizan los modelos estadísticos y de aprendizaje automático para cuestiones de investigación aplicadas y específicas del dominio. Ni siquiera es una preocupación nueva, por lo que no debemos culpar a los modelos de aprendizaje automático «extravagantes»; han sido nuestras preocupaciones desde que empezamos a utilizar «modelos» y «simulaciones». Hoy en día, es difícil encontrar una conferencia en la que no se haga referencia a la famosa cita de George Canning: «Puedo demostrar cualquier cosa mediante la estadística, excepto la verdad», o de George Box: «Todos los modelos son erróneos, pero algunos son útiles» (Referencia Box1976). Sin embargo, con la llegada de los big data, los datos abiertos y la industria 4⋅0, escuchamos mayores preocupaciones en torno al uso ciego de datos y modelos. ¿Pero son preocupaciones válidas? ¿Resolvemos los problemas que ya están resueltos o que no existen/importan? ¿Utilizamos a ciegas el aprendizaje automático y la inteligencia artificial sólo «porque podemos»? ¿Buscamos resultados presentables y «estadísticamente significativos», independientemente de la validez de los métodos? ¿Apreciamos lo que el modelo puede decir y lo que no puede hacer?

ITZY JAPAN 2nd SINGLE 『Blah Blah Blah』Teaser YEJI

La semana pasada Bob Yagelski vino a Cortland para hablar en una conferencia. Bob era profesor asistente en el departamento de inglés de SUNY-Albany cuando yo estaba en el programa de doctorado allí. Ahora es profesor asociado en Educación. Nos reímos un poco sobre la locura del departamento de inglés en los años noventa. Era uno de esos lugares donde los conflictos entre la literatura y la escritura eran realmente feroces. Ahora estoy en un departamento que no es ni mucho menos tan feroz, pero aquí no hay prácticamente ninguna posibilidad de que la literatura y la escritura colaboren en nada.

Así que, en cualquier caso, me sorprendió ver cómo surgía el tema en la lista de la AMP. La historia profunda de estos conflictos fue rápidamente relatada aunque creo que ahora estamos en un mundo diferente. Hubo un tiempo en el que la gente de la rhet/comp deseaba el reconocimiento de los estudios literarios. Tal vez en algunos lugares esa lucha aún continúa con los profesores de rhet/comp tratando de convencer a sus colegas de estudios literarios de que tienen algo que ofrecer a una carrera de inglés. Como director de una especialidad de escritura profesional, mi pregunta va en la otra dirección: ¿qué valor tienen los estudios literarios para nosotros, si es que tienen alguno? Ciertamente puedo imaginar un papel para un cierto tipo de enfoque intelectual de la literatura como parte de la escritura profesional, pero…