Assessment of the Level of Knowledge of Climate Change of Undergraduate Science and Agriculture Students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction of climate change (CC) courses in universities is critical for helping future generations and leaders in recognizing the global challenges of CC and finding ways for adapting with it. People's knowledge of CC can influence success of any planned CC mitigation and adaptation programs and activities. Thereupon, it is vital for environmental planners and researchers to conduct regular assessments of this knowledge to determine need for curriculum reform, if any. This study was conducted to assess the level of CC knowledge of undergraduate physical science and agricultural science students in Jarash University, Jordan. The study used specifically-designed Climate Change Knowledge Test (CCKT) as the data collection tool. Population of the study was undergraduate science and agriculture students enrolled in the Faculty of Agriculture and Science. The study sample consisted of 285 students, comprising 103 science students and 182 agriculture students. The results indicate that the sample students have high levels of knowledge of the nature, causes, and effects of CC. However, on the average, a higher number of the sample students posses knowledge of effects of CC (n = 223, % = 79.3%) than its nature (209, 73.5%) and causes (190, 66.9%). Additionally, it was found that the female students have higher levels of overall CC knowledge than their male peers and that the agriculture students possess higher levels of CC knowledge than their science peers. These results emphasize the need for curriculum review and reform to ensure equipping the university graduates with comprehensive knowledge of CC.
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.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 découle