Indigenisation of conservation education in New Zealand
Notice bibliographique
Résumé
Indigenous Maori youth struggle to connect with science delivered in a Eurocentric model of education in Aotearoa, New Zealand. In transforming conservation biology through Indigenous perspectives, we asked whether Maori knowledge-based resources and traditional schooling (wananga) methodologies increased the connection of Maori youth (rangatahi) to conservation science. We collaborated with a Maori environmental science body to run a culturally based environmental program (noho taiao) attended by 70 youth from three Maori-centric schools. We undertook surveys to assess baseline scientific understanding and to gauge how their understanding of the Maori-based conservation principles we introduced shifted over the course of the program. We developed a bilingual gaming app to introduce basic environmental concepts from both cultural perspectives, measuring its impact on knowledge retention for these students, and others at a Eurocentric school. Indigenous contexts for conservation learning markedly increased uptake of knowledge content, and enthusiasm for conservation concepts. After the program, Maori students reported that science was more accessible and relevant. Gaming as an educational medium was successful in engaging youth generally, but students primed by experiential learning from Indigenous perspectives had increased knowledge gained. Enabling rangatahi to explore place-based learning within a relevant cultural context allowed them to understand their duty of care to the environment (te taiao). Utilising Maori engagement mediums and mentors that resonate with youth are key to encouraging more Maori youth into conservation science. Therefore, empowering youth to draw from Indigenous ways of knowing, being and doing can create a step-change in science participation and leadership.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».