Disaster Education in the Context of Postsecondary Education: A Systematic Literature Review
Notice bibliographique
Résumé
The upward tendency of global disasters and associated losses urgently calls for enhancing disaster education (DE) and professional training. Although postsecondary education institutions (PSEIs) play an essential role in this educational mission, a comprehensive understanding of DE development in PSEIs remains unclear. In response to this knowledge deficit, this article employed the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) approach to explore the current development of DE in PSEIs through reviewing 76 publications from 2011 to 2022 through a mixed-method analysis process (univariate analysis and thematic inquiry). The quantitative analysis outcomes illustrate that the studies were unevenly distributed globally. The qualitative findings demonstrate the following fourfold characteristics of DE in PSEIs: (1) in terms of pedagogical characteristics of DE, there is a call for a radical shift in pedagogical strategies because the conventional teaching approaches are inadequate in tackling the potential risks and emerging hazards; (2) disciplinary and interdisciplinary perspectives have been integrated into DE, addressing diverse disasters and their differential influences; (3) through community-based partnerships, PSEIs can provide informal and nonformal education to affected individuals and communities; and (4) interconnections between DE and other educational approaches that broadly address global climate change have been recognized, contributing to resilience and sustainability. Based on these outcomes, this study recommends future DE-specific research could focus on (1) exploring potential radical pedagogical approaches to respond to emerging risks and hazards, (2) stimulating cross-disciplinary collaboration to address the full spectrum of disasters’ societal impacts, and (3) increasing collaboration between PSEIs and nonacademic organizations to raise grassroots awareness through informal DE.
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 | 0,011 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,016 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».