Place-based education and extractive industries: Lessons from post-graduate courses in Canada and Fennoscandia
Notice bibliographique
Résumé
Place-based education and, more specifically, field-base education, is increasingly considered an effective way to enhance learning experiences . By connecting academic curriculum with different ways of knowing and practicing, these are seen as potentially transformative experiences that can offer participants enriching opportunities to learn about social realities beyond the classroom . However, critics also argue that place-based learning methods can lack a critical perspective and fail to connect local experience with global phenomena, as well as with theoretical concepts. In light of the challenges and benefits associated with place-based education, this paper examines how this learning approach can be applied to the particular context of resource development studies and how it can contribute to postgraduate training in social sciences more generally. This example adds to a growing body of literature on place-based education, through an analysis of and critical reflection on the pedagogical approach used during two doctoral courses focused on mineral extraction in northern Canadian and Fennoscandian communities. Building on reflections by the course designers and the results of a survey administered to participants exploring the learning outcomes of these two postgraduate field courses, this paper examines how place-based education contributed to or hindered the pedagogical objectives pursued in the courses. It further explores the challenges and benefits of place-based education in postgraduate education and in the field of extractive resources development. After briefly reviewing the literature and defining the concept of place-based education, the paper describes the pedagogical approach used during the two PhD courses. In the third section, the results of the student surveys are discussed along with comments from the organizers, before some thoughts for future postgraduate courses are finally provided.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,027 | 0,009 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».