MétaCan
Menu
Retour à la cohorte
Enregistrement W2138943601 · doi:10.1177/0973408214548382

Leaders of Sustainable Development Projects: Resources Used and Lessons Learned in a Context of Environmental Education?

2014· article· en· W2138943601 sur OpenAlexaff
Diane Pruneau, Mathieu Lang, Jackie Kerry, Guillaume Fortin, Joanne Langis, Linda Liboiron

Notice bibliographique

RevueJournal of Education for Sustainable Development · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésNature versus nurtureSustainable developmentEnvironmental educationEducation for sustainable developmentContext (archaeology)Plan (archaeology)Knowledge managementPublic relationsSociologyPolitical sciencePedagogyGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

In our day, leaders involved in ingenious sustainable development projects plan spaces and implement practices that are beneficial to the environment. These initiatives represent a fertile source of information on the competences linked to environmental design that we should nurture in our students. In view of improving our understanding of the competences that should be developed in environmental education (EE), this study sought to identify the competences used by leaders who participated in five sustainable development projects (in sustainable urban planning and forestry). The analysis of documents and data from individual interviews revealed that the main competences (cognitive, social and affective) used by the leaders interviewed, depended on creative, complex, flexible, longitudinal, adapted, patient, collaborative, humanistic and environmental planning. Finally, this study, of which we present the effects on EE, shows that leaders use competences which are associated with creative individuals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,003
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,282
Écart entre enseignants0,264 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education for Sustainable DevelopmentMême sujetEnvironmental Education and SustainabilityTravaux en français237 207