MétaCan
Menu
Retour à la cohorte
Enregistrement W4220652968 · doi:10.1080/13504622.2022.2045905

Petting bees or building bee boxes? Strategies for transformative learning

2022· article· en· W4220652968 sur OpenAlexaff
Jill Bueddefeld, Julie Ostrem, Michelle Murphy, Elizabeth Halpenny, Brian Orr

Notice bibliographique

RevueEnvironmental Education Research · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMuseums and Cultural Heritage
Établissements canadiensAlberta Environment and Protected AreasUniversity of AlbertaWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésTransformative learningExperiential learningParticipatory action researchEnvironmental educationAction researchPedagogyPsychologyAction (physics)Science educationCitizen scienceCitizen journalismSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper presents findings from a research study exploring the effectiveness of three environmental education programs. The first was an interpretive program where visitors learned to safely interact with and ‘pet’ bees (control group), the second was the same interpretive program with the addition of post-visit action resources (interactive treatment group), and the third was a contributory citizen science bee box building project (citizen science treatment group). Using personal meaning maps, interviews, and participatory observations we explored learning outcomes in relation to Transformative Learning Theory. This study found that the interpretive program facilitated a more complex learning experience across all transformative learning domains. The participants who engaged in a contributory citizen science bee box project demonstrated a narrower, albeit more focused learning experience where their knowledge increased specifically in relation to understanding the issues native bees face and actions related to native bee conservation. These findings have important implications for experiential learning where action outcomes and transformative learning are interrelated goals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0180,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,362
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Education ResearchMême sujetMuseums and Cultural HeritageTravaux en français237 207