MétaCan
Menu
Retour à la cohorte
Enregistrement W2795592284 · doi:10.24133/rvespe.v3i1.617

Sustainability science and education in Haiti and Puerto Rico

2018· article· en· W2795592284 sur OpenAlexaff
Naomi Krogman, Gary E. Machlis

Notice bibliographique

RevueRevista Vínculos · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSustainabilityPreparednessSustainability sciencePolitical scienceAgriculturePublic relationsEconomic growthSociologySocial sustainabilityGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

This paper reports on the results of a workshop in Haiti and Puerto Rico to capture what priorities may be important to build sustainability sciences and education. In 2015, approximately 35 individuals attended all or part of the workshop at each location. Participants included academic leaders, university faculty, secondary school teachers, representatives of non-profit organizations, and university and high school students. Haitian participants called attention to the need for reforestation training, systemic solutions for waste management, and sustainable marine resources management. In Puerto Rico, participants called for more training to link civic engagement with sustainable development, social determinants of health, and programming on tsunami preparation and recovery. Members of both workshops asked for sustainability science and education advances in renewable and alternative energy development, general disaster and climate change impact preparedness (e.g. drought), and sustainable agriculture. Haitian and Puerto Rican participants also shared the view that engaging sustainability requires higher educational institutions to partner with communities, primary and secondary school teachers, policy-makers, and especially young persons, to reinforce the values of sustainability, and collectively work across sectors to learn through trial and error together.

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 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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,004
Tête enseignante GPT0,248
Écart entre enseignants0,244 · 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 tête enseignante, 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista VínculosMême sujetEnergy and Environment ImpactsTravaux en français237 207