Wilding liability in education: Introducing the concept of wide risk as counterpoint to narrow-risk-driven educative practice
Notice bibliographique
Résumé
Consideration of risk and liability in outdoor educative practice has normally been limited to the narrow risks, usually to physical health, of incidents that can cause a particular injury. In this view of risk management, the more readily controlled the circumstance, the less likelihood of risk and consequent liability. Thus, to reduce risk, learning in the natural world is often avoided because it occurs in far more complex and less controllable contexts than human-created ones. However, wider and more grave risks to physical, emotional and mental health that may accrue through a life that is lived in separation from the natural world are not often considered or evaluated. In part, this may be because these kinds of risks are less immediately evident, and liability for negative outcomes may be more difficult to measure. Thus, there is less incentive to consider them. However, delayed outcomes are still outcomes. To consider easily discerned narrow risk alone, while ignoring more complex and longer-term wide risk, is no excuse for avoiding the ethical responsibility that public education carries to provide both the safest and most fecund context for learning. This paper introduces the concept of wide risk as a counterpoint to the narrow risk calculations now performed, and argues that in incorporating an understanding of wide risk in educative practice, at least two results are likely. The first is that learning outdoors will frequently be discovered to be a less risky alternative, if a broad range of outcomes over time are considered. The second is that the value of embracing risk in all aspects of learning ought to become a part of the learning process, and part of what is taught in public schools.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».