The Climate Literacy and Energy Awareness Network (CLEAN)
Notice bibliographique
Résumé
It is important that we prepare tomorrow’s scientists, decision makers, and communities to address the societal and ecological impacts of a changing climate. In order to respond to, mitigate, and adapt to those changes, community members of all ages need accurate, up-to-date information, knowledge of the sciences, and analytical skills to make responsible decisions and long-term climate resiliency plans regarding these challenging topics. The Climate Literacy and Energy Awareness Network (CLEAN, http://cleanet.org) is 1) providing teaching resources for educators through the CLEAN Collection and pedagogical support for teaching climate and energy science and solutions; and 2) facilitating a professionally diverse community of climate and energy literacy community leaders, called the CLEAN Network, to share and leverage efforts to extend the reach and effectiveness of climate and energy education. This presentation will provide an overview of the CLEAN web portal and techniques we have used to reach educators. We will showcase the CLEAN Collection with its 750+ curated resources (curricula, activities, videos, visualizations, and demonstrations/experiments) that have been peer- and expert scientist-reviewed for scientific accuracy, pedagogical effectiveness, and technical quality. We will highlight the most recent updates: 1) we launched a new website design to increase accessibility, 2) we developed a collection for elementary-grade level resources and pedagogic support for primary teachers, 3) several efforts towards a more inclusive website (Spanish translations, culturally-responsive climate literacy principles, etc.), 4), teaching resources around the 4th National Climate Assessment, 5) a teacher ambassador program, 6) expanded partnership with NOAA’s Climate.gov portal and 7) virtual teaching resources. We will present findings usage data from our web analytics. Through analytics data, we will show lessons learned from CLEAN marketing efforts; insights which we anticipate can aid other climate and energy education programs in effectively increasing the visibility of their vital work.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,016 |
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 ».