Knowledge Mobilization, Citizen Science, and Education
Notice bibliographique
Résumé
While climate change project funders, community partners, and researchers are increasingly calling for robust knowledge mobilization plans, including knowledge translation and transfer, there are ongoing debates about how to design and measure the effectiveness of these efforts for specific target audiences. Climate Change S.O.S. – Save Our Syrup! is a knowledge mobilization program that brings high school students out to a working sugarbush in Ontario, Canada. This program was developed by drawing on the outdoor education expertise at the Mountsberg Conservation Area, forestry specialists’ consultation, and the project team’s work on previous community-based studies. Students also contribute to a citizen science project monitoring the health of the sugar maple ecosystem and learn about the impact of climate change on this ecosystem. Pretest and posttest surveys measured the knowledge mobilization program’s effectiveness on the students’ knowledge, attitudes, and behaviors. With 600 grade 9–12 participants in this project, this is one of the largest studies that the team could find that measures climate change knowledge mobilization effectiveness on high school students. Results indicate short-term positive changes in knowledge of climate change and maple syrup, and positive changes in students’ attitudes regarding their ability to lessen their impact on climate change, but no statistically significant longer-term change to behavior. After highlighting some of the key issues and concerns around designing three projects and measuring effectiveness, the paper outlines how the program was developed, its key results and limitations and lessons learned. We argue that although single, targeted knowledge mobilization efforts can be effective, longer-term, multi-pronged approaches are likely necessary to contribute to sustained behavioral 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 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 | 0,005 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».