An overview of the state of environmental assessment education at Canadian universities
Notice bibliographique
Résumé
Purpose Environmental assessment (EA) is a proactive planning tool designed to consider the ecological, cultural, socio‐political and economic impacts of potential projects, making it a major tool for achieving sustainable development. Meaningful EA requires a bridging of the natural sciences with the social sciences to broaden understanding of the overall environmental impacts of development projects on humans, the natural environment and other organisms. As a result of this complexity, education and training needs are great. The purpose of this paper was to consider EA educational opportunities at Canadian universities and to test a model for the analysis of the state of such education. Design/methodology/approach The research design used a qualitative interactive approach, including a survey of 2001 university course calendars, participant observation and semi‐structured interviews. Findings Results indicate that the number of universities offering EA courses has tripled to 40 since the mid‐1980 s. While this is a positive finding, data illustrate that the bulk of the courses offered are survey‐oriented and introductory in nature, with little opportunity to specialize. This cursory approach is exacerbated by a lack of teaching resources and instructor development. Despite the nature of the courses offered, many professors encourage critical thinking and use innovative teaching techniques, including role‐playing, to promote self‐reflection. In fact, the interdisciplinary approach to the curricula and the promotion of critical thinking outside disciplinary boundaries are two strengths of current EA programming. Originality/value In light of this state of formal EA education in Canada, more research and international level dialogue are warranted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 tête enseignante, 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 ».