MétaCan
Menu
Retour à la cohorte
Enregistrement W4287958801 · doi:10.5539/ies.v15n4p31

Enculturation, Education and Sustainable Development: Understanding the Impact of Culture and Education on Climate Change

2022· article· en· W4287958801 sur OpenAlexvenueno aff
Saeid Motevalli, Narges Saffari, Mina Tresa Anak Michael, Fariba Hosesin Abadi

Notice bibliographique

RevueInternational Education Studies · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnculturationEnvironmental educationPedagogySustainable developmentCurriculumLiteracyEducation for sustainable developmentSociologyPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Education should play an important role in sustainable development. However, we were also faced with the enculturation in the education systems that contribute to the literacy of the environmental issue and challenges in maintaining sustainable development. In this review, we aimed to synthesize the recent research findings on how enculturation was developed among students through social and cultural factors and the role of education for sustainable development. In synthesizing the enculturation in the education system, we found several contributing social and cultural factors such as family cultural background and parental values, school systems, teachers’ beliefs, and the attitudes and appraisal of students used in the different school environments. Co-existing differences were also found when examining the environmental issue literacy among students from different cultures in the studies along with energy literacy and ocean literacy from cross-cultural studies perspectives. Drawing on these findings, we further add on how education for sustainable development in different cultures was integrated and emphasized in their existing school curricula to help other cultures to learn more about how education for sustainable development was developed across cultural contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0040,006
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,038
Tête enseignante GPT0,351
Écart entre enseignants0,313 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetEnvironmental Education and SustainabilityTravaux en français237 207