MétaCan
Menu
Retour à la cohorte
Enregistrement W4394931265 · doi:10.1080/00219266.2024.2332728

Plants and the Kunming-Montreal global biodiversity framework: educational approaches to support pro-conservation behaviours

2024· article· en· W4394931265 sur OpenAlexaboutno aff
Bethan C. Stagg, Justin Dillon

Notice bibliographique

RevueJournal of Biological Education · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research Council
Mots-clésBiodiversityBiodiversity conservationEnvironmental resource managementGeographyEnvironmental scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The COP15 Kunming-Montreal Global Biodiversity Framework (GBF) aims to address rapid biodiversity loss and protect 30% of the planet for nature by 2030. Biology education could help to engage citizens with the GBF and promote pro-conservation behaviours, particularly for plants, which have historically been neglected in education and biodiversity conservation. In this narrative review and critical commentary, we consider what kind of approaches could lead to pro-conservation behaviour towards plants in support of the GBF, at school and tertiary levels of biology education. We examined twenty-two experimental studies about plant ecology and education, published in indexed journals from 1998 to 2022. The prevalent approaches were ecological gardening, informal science education and authentic enquiry. We assess the studies for the capabilities, opportunities and motivations provided by the pedagogic design and present behavioural models of how the approaches might support citizens’ pro-conservation behaviours, based on study findings. We discuss how the approaches might support the goals of the GBF, barriers to implementation and recommendations for overcoming these.

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)0,011
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,181
Score d'incertitude au seuil0,360

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,023
Communication savante0,0060,006
Science ouverte0,0030,005
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,170
Tête enseignante GPT0,355
Écart entre enseignants0,185 · 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'étudeObservationnel
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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biological EducationMême sujetAnimal and Plant Science EducationTravaux en français237 207