MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394735199 · doi:10.5539/jel.v13n3p144

Promoting Learning About Local Food Security by Applying Environmental Education Processes to People in Central Part of Thailand

2024· article· en· W4394735199 sur OpenAlexvenueno aff
Khomkrit Bunkhiao, Jidapa Koomklang, Wee Rawang, Seree Woraphong

Notice bibliographique

RevueJournal of Education and Learning · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood securityLocal communityNonprobability samplingEnvironmental educationPerceptionDescriptive statisticsPsychologySociologyGeographyPolitical sciencePedagogyStatisticsAgriculturePopulation

Résumé

récupéré en direct d'OpenAlex

The objective of this research is twofold: firstly, to examine the level of local food security and the community members’ understanding of environmental education; and secondly, to develop a model that enhances local food security by implementing the environmental education practices of the community residents. Utilized mixed-methods research. Data were gathered via a questionnaire, a group discussion, and a workshop. A total of 378 respondents were chosen for the questionnaire using multi-stage selection, while 45 respondents were chosen using purposive sampling. Furthermore, a total of 32 community volunteers were extended an invitation to participate in the workshop. This study included descriptive statistics and content analysis. The findings indicate that the target communities have an average perception level of 3.19 regarding local food security, while their knowledge about the environment is at a high level of 4.01. The study identifies five key components for establishing local food security, namely: (1) learning local food identity; (2) inheriting local wisdom; (3) transmitting local food knowledge; (4) managing sources of local food; and (5) building local networks.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,036
Tête enseignante GPT0,384
Écart entre enseignants0,349 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and Learning→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→