Construire des compétences d’adaptation aux changements climatiques, grâce à l’éducation relative à l’environnement
Notice bibliographique
Résumé
Depuis le début des temps, les humains se sont adaptés aux modifications de leur environnement, réagissant par ajustement corporel, par acclimatation ou par des pratiques culturelles et technologiques. Les humains peuvent ainsi transformer leur alimentation, leurs vêtements, leurs habitations… La qualité des mesures d’adaptation choisies dépend de la compréhension du contexte par les acteurs, de leurs compétences et de leur intention d’agir. L’éducation relative à l’environnement (ERE) peut renforcer la résilience et l’adaptation des citoyens aux changements climatiques. Certaines pratiques pédagogiques propres à l’ERE peuvent être mises à profit pour accompagner les citoyens pendant qu’ils analysent les problèmes locaux, prédisent les impacts des changements climatiques et proposent des mesures d’adaptation. Ces pratiques encouragent le développement de compétences telles que l’analyse du milieu, la résolution de problèmes et la pensée prospective. Des adultes en alphabétisation ont été observés pendant qu’ils cheminaient dans la proposition de mesures d’adaptation aux impacts des inondations en agriculture. Des idées d’adaptation efficaces ont été proposées par ces adultes grâce aux compétences et pratiques particulières du groupe (connaissance endogène du terrain, façon expérientielle de résoudre un problème, pensée prospective large, attitude de persévérance face aux situations complexes…), de même que grâce à un accompagnement qui favorise le renforcement de compétences en matière de résolution de problèmes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».