MétaCan
Menu
Retour à la cohorte
Enregistrement W4389203053 · doi:10.1080/13504622.2023.2286929

Navigating eco-anxiety and eco-detachment: educators’ strategies for raising environmental awareness given students’ disconnection from nature

2023· article· en· W4389203053 sur OpenAlexafffundabout
Rachael C. Edwards, Brendon M. H. Larson, Susan Clayton

Notice bibliographique

RevueEnvironmental Education Research · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUniversity of WaterlooFaculty of Environment, University of Waterloo
Mots-clésDisconnectionEnvironmental educationPsychologyAnxietyNature versus nurtureExperiential learningConsciousness raisingSocial psychologyPedagogySociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Awareness of environmental problems such as climate change can motivate action, but educators debate whether to raise students' awareness given that it may provoke eco-anxiety.We have even less understanding of how these relationships are affected by young people's growing disconnection from nature.Through 28 semi-structured interviews in Canada and the United Kingdom, we explore how educators perceive students' nature connection and eco-anxiety and how they introduce discussion of environmental problems.Educators frequently observed experiential, cognitive, and emotional indicators of nature disconnection and eco-anxiety, although many (39%) reported rarely, if ever, witnessing such environmentally related distress.Educators prioritised improving nature connection over raising awareness of environmental problems.When they discuss these issues with students, they emphasise hope and encourage pro-environmental behaviours to avoid eliciting eco-anxiety for those not currently experiencing it, a strategy that is partially inconsistent with literature suggesting some eco-anxiety can nurture pro-environmental behaviour.Our findings provide new insights into the challenges that educators face in helping their students navigate current environmental trends.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,006
Communication savante0,0070,004
Science ouverte0,0010,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,397
Écart entre enseignants0,375 · 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

Citations30
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Education ResearchMême sujetEnvironmental Education and SustainabilityTravaux en français237 207