Fostering Systems Thinking for Youth Leading Environmental Change: A Multinational Exploration
Notice bibliographique
Résumé
More youth-based environmental engagement programs (EEPs) are needed to help combat the impact of climate change. Current programs just focus their content on individual-level personal practices (e.g., recycling); are designed to be implemented in one setting with little regard for broader implications or opportunities for contextual adaption; and collect little evaluative information about how programs are developed, implemented, and evaluated. In this article, the authors present an example of how these limitations might be addressed through Youth Leading Environmental Change (YLEC), an evidence-based international EEP designed to build young people's capacity for collective action. The goal of this analysis is to explore one specific aspect of this program, fostering systems thinking, which is a critical element of the underlying theory of engagement and a critical skill in finding approaches to dealing with complex problems. Systems thinking is a form of analysis or thought process that places emphasis on how a problem interacts in complex ways with the systems in which it was created. We investigate how two novel program components, a local speaker's personal account of an environmental injustice and a live video exchange of participants from the global North and South (with different experiences of negative environmental impacts), promote systems thinking. We also illustrate how participants' increased capacity in systems thinking resulted in them being more motivated and engaged in collective environmental action. Thirty-four 60 minute semistructured qualitative interviews were conducted with participants in Bangladesh, Canada, and India. Findings suggest that participants' experiences of the two program components built their capacity to think about environmental issues at higher levels of systemic complexity, which, in turn, resulted in increased engagement in environmental action. Key Words: Environment—Youth engagement—Systems thinking—Adaptation—Behavior change.
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 | 0,011 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».