MétaCan
Menu
Retour à la cohorte
Enregistrement W2127374653 · doi:10.1177/0741713607309802

Learning Through Participatory Resource Management Programs: Case Studies From Costa Rica

2008· article· en· W2127374653 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAdult Education Quarterly · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAdult and Continuing Education Topics
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésTransformative learningCitizen journalismSustainabilityParticipatory action researchCollaborative learningEnvironmental resource managementKnowledge managementQualitative researchSociologyBusinessEnvironmental planningPedagogyGeographyPolitical scienceComputer scienceEcologySocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Based on an ongoing qualitative case study in Costa Rica, this article presents the participatory work that the Instituto Costarricense de Electricidad (ICE) is doing with farmers to protect watersheds from erosion and contamination. Specifically, it includes a description of ICE's Watershed Management Agricultural Programme and how farmers participate in it and a qualitative analysis of the kind of learning that participants are experiencing. ICE uses collaborative and hands-on activities to raise awareness and promote alternative environmentally sustainable farming practices and technologies. These activities result in instrumental and communicative learning as found in transformative learning theory. The instrumental learning that occurs includes acquiring skills and information, determining cause–effect relationships, and task-oriented problem solving. The communicative learning that occurs includes understanding values, concepts, and others' points of view. In conclusion, the learning that occurred resulted in transformations in the conditions of life that promoted sustainability.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,877

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,368
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle