MétaCan
Menu
Retour à la cohorte
Enregistrement W4405662119 · doi:10.1038/s44168-024-00204-3

Shifting and sharing power in urban climate justice work: experiments in transformative learning in Vancouver, Canada

2024· article· en· W4405662119 sur OpenAlexafffundabout
Lindsay Cole, Laura Kozak

Notice bibliographique

Revuenpj Climate Action · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Work Education and Practice
Établissements canadiensEmily Carr University of Art and DesignUniversity of British Columbia
Organismes subventionnairesCity of VancouverReal Estate Foundation of British ColumbiaMitacs
Mots-clésTransformative learningWork (physics)Economic JusticePower (physics)Climate justiceSociologyPower sharingEnvironmental justicePolitical scienceClimate changePedagogyEngineeringLawOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

As the global reckoning with a changing climate increases in urgency, and the real-world consequences of delayed and inadequate action become impossible to ignore, city leadership continues to grow in response. Cities are making significant shifts in policy and regulation, investing in infrastructure, building strong cross-sectoral collaborations, experimenting with solutions, advocating for changes outside their jurisdiction, and taking other important actions. Alongside these activities is a growing critique that climate action is not adequately integrating principles and goals of justice, equity, inclusion, or decoloniality. In this article we argue that transformative learning is an underutilized theory and practice when working toward city-based just climate action. We describe transformative learning approaches and implications in running a Climate Justice Field School in Vancouver, Canada, a response to implementing the first ever Climate Justice Charter for the city. This work resulted in five transformative learning interventions for urban climate researchers and practitioners to engage with as they move toward just, equitable, inclusive, decolonial climate action.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,619
Score d'incertitude au seuil0,838

Scores Codex et Gemma par catégorie

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

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 Opus0,040
Tête enseignante GPT0,372
Écart entre enseignants0,332 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuenpj Climate ActionMême sujetSocial Work Education and PracticeTravaux en français237 207