Generative Learning and the Making of Ethical Space: Indigenizing Forest School Teacher Training in Wabanakik
Notice bibliographique
Résumé

 This reflection on community-driven research in process is written from the perspective of graduate student co-researchers collaborating with Wabanaki community co-researchers on a pilot project involving a Wabanaki and a non-Indigenous organization. Three Nations Education Group Inc. (TNEGI) represents three Wabanaki schools and communities in Northeast Turtle Island. The Child and Nature Alliance of Canada (CNAC) offers a Forest and Nature School Practitioner Course (FNSPC) for educators seeking to operate forest schools. These diverse organizations have developed a pilot FNSPC training for a group of TNEGI educators, with the purpose of Indigenizing the FNSPC. This is necessary to address the Eurocentric forest and nature school practices in Canada, which often fail to recognize the herstories, presence, rights, and diversity of Indigenous Peoples and places. TNEGI educators envision a land-based pedagogy that centers Wabanaki perspectives and merges Indigenous and Western knowledges. In the FNSPC pilot, the co-researchers generated course changes as they progressed through the pilot, decolonizing the content and format as they went. Developing this Indigenized version of the FNSPC will have far-reaching implications for the CNAC Forest School ethos and teacher training delivery. This essay maps our collaborative efforts thus far in creating an ethical research space within this Indigenous/non-Indigenous research initiative and lays out intentions for the road ahead.
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 | 0,818 | 0,708 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,393 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,645 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».