MétaCan
Menu
Retour à la cohorte
Enregistrement W4292842541 · doi:10.3102/1431512

Collaborative Reflective Inquiry as Garden Eco-Pedagogy

2019· article· en· W4292842541 sur OpenAlexaff
Elizabeth Beattie

Notice bibliographique

RevueProceedings of the 2019 AERA Annual Meeting · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDiverse Educational Innovations Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePedagogySociologyMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

The purpose of our research was to develop an environmental education course for practicing teachers who requested an inquiry-focused experience that provided the opportunity to connect with and learn from the Land through garden-based pedagogies and Indigenous ways of knowing, being, and doing.In response, we developed a course in which course instructors and teachers formed a community of inquiry, and, as colearners and co-practitioners, engaged in democratic collaborative reflective practice and teacher action research.This course enabled us to develop and deepen our understandings of our environmental education praxes and provided the context to learn from, on, about, and with the Land.Specifically, we considered how school gardens could become welcoming places where living and non-living, and human and more-than-human (Abram, 1999), beings could make corporeal, spiritual, and cosmological connections through reciprocity and wonder (Carson, 1965).We engaged in democratic collaborative reflective inquiry and experienced the creation of a school garden from theory to practice, from seed to salad.Creating and participating in this course enabled us to address the needs of practicing teachers seeking environmental knowledges, understandings, and practical skills that would enable them to establish a garden with their own school communities.A

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)0,027
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,040
Communication savante0,0130,014
Science ouverte0,0030,015
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,016
Tête enseignante GPT0,288
Écart entre enseignants0,272 · 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'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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the 2019 AERA Annual MeetingMême sujetDiverse Educational Innovations StudiesTravaux en français237 207