Integrating Programmatic Expertise from across the US and Canada to Model and Guide Leadership Training for Graduate Students in Sustainability
Notice bibliographique
Résumé
It is critical that future sustainability leaders possess the skills and aptitudes needed to tackle increasingly ‘wicked’ challenges. While much has been done to identify this need, inadequate Leadership Training for graduate students in Sustainability (LTS) continues to plague even the most highly-resourced institutions. Collectively, the authors of this paper represent the small yet growing number of LTS programs across the United States and Canada working to close this training gap. In this paper, we describe the integrative approach we took to synthesize our collective knowledge of LTS with our diverse programmatic experiences and, ultimately, translate that work into concrete guidance for LTS implementation and design. We present a framework for the suite of key LTS aptitudes and skills yielded by our collaborative approach, and ground these recommendations in clear, real-world examples. We apply our framework to the creation of an open-access curricular database rich with training details, and link this database to an interactive network map focused on sharing programmatic designs. Together, our process and products transform many disparate components into a more comprehensive and accessible understanding of what we as LTS professionals do, with a view to helping others who are looking to do the same for the next generation of sustainability leaders.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,018 | 0,007 |
| Communication savante | 0,013 | 0,005 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».