Learnings from the <i>#IndigenousESD</i> Global Research: Twenty-First Century Competencies for All Learners
Notice bibliographique
Résumé
Abstract The 2030 Agenda for Sustainable Development promotes with the Sustainable Development Goal 4 a quality education for all and aims to ensure equal access to all levels of education and vocational training for vulnerable groups, such as Indigenous Peoples. However, most education systems are not yet in a position to embrace a culturally appropriate way of teaching children and youth of their Indigenous communities. The #IndigenousESD research creates a voice for relevant education stakeholder groups, including Indigenous Elders/leaders, ministry officials, parents, students, and teachers from communities with Indigenous students on their perceptions of quality education. Based on a participatory research approach developed together with Indigenous communities and researchers from around the world, dialogues held in 54 research settings in 26 countries show a focus on the acquisition of twenty-first century competencies for learners amongst the most important aspects of a quality education. For this article, the authors focused on knowledge, attitudes and skills, providing recommendations for policy makers in education to better address the needs and priorities of Indigenous communities. Findings from the research indicate that teaching twenty-first century competencies are at the center of concern in all stakeholder groups, yet want these competencies taught in a context to which Indigenous students can readily relate. Adjusting the pedagogy of delivering these common competencies in the classroom could be an important step towards a feasible and affordable path within existing education systems to better serve Indigenous students and all learners.
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 | 0,008 | 0,031 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».