Notice bibliographique
Résumé
The goals of public higher education are to generate knowledge and transfer knowledge and skills to students to prepare them for making the world a better place. Given current severe threats to human well-being from climate change impacts, biodiversity loss, and global trends of inequality, we will need a strong commitment to sustainability education to achieve that “better place.” This chapter focuses on several key concepts and teaching approaches that can engage students in sustainability challenges and give them some of the necessary knowledge and tools to become thoughtful leaders and followers, problem-solvers, and active citizens. It discusses how key concepts such as intrinsic and extrinsic values help students understand the role of values in human decision-making about addressing bigger-than-self sustainability challenges (e.g., global poverty). The concepts of overconsumption, social commodity chain, metabolic rift, the commons, polycentricity, and resilience allow instructors to traverse disciplines and help students recognize the complex, interdependent nature of social-environmental problems and solutions. The chapter also describes teaching approaches that help students understand how people, problems, and ecological conditions are interconnected and encourage them to move from individual to collective approaches to sustainability. These approaches include place-based experiential learning, project- or problem-based learning, case study conflict studies, collaborative learning, social learning, and community service learning. To effectively engage higher education students in sustainability, educators must provide interdisciplinary and experiential learning experiences and put students in positions where they imagine themselves using innovation, experimentation, trial-and-error social learning, and adaptive management to become future problem-solvers and change agents.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,001 |
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 ».