Building a Foundation for Success in Natural Resources Extension Education: An International Perspective
Notice bibliographique
Résumé
The practice of extension in improving forest and natural resource management around the world is increasing. In 2003 an international symposium of extensionists working in forestry and natural resources was convened in Troutdale, Oregon. Thirty-five papers from 11 countries focused on successful strategies that have been employed in extension work around the globe. Twenty-two strategies were highlighted that relate to educational approach or programming. Members of the Extension Working Party of the International Union of Forest Research Organizations (500 members from 70 countries) were surveyed to see if they used these strategies often or sometimes, or if they did not use them but would like to, or if they don’t feel the strategy is relevant to them. Results were compiled by three constructed regions: U.S. and Canada; Europe and Australia; and Asia, Africa, and Latin America, and differences were tested using Pearson’s χ 2 . In general, the strategies were consistently and widely used around the world. Typically from 70 to 95% of the survey respondents indicated that they use the strategy often or sometimes. Regional differences occurred with only six of the 22 strategies. For example, the strategy develop collaborations with associations of learners, such as forest owner associations was used often or sometimes by 90% of respondents from the U.S. and Canada, 83% of respondents from Europe and Australia, and only 47% of respondents from Asia, Africa, and Latin America. Reasons for these significant (p < 0.0001) differences are proposed. Additionally, some barriers to use of some of the strategies are reported.
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 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».