A critical approach to SDGs through Collaborative Online International Learning: experiences from Canada and Spain
Notice bibliographique
Résumé
Introduction The Collaborative Online International Learning (COIL) is described as a pedagogical experience linking the classrooms of two or more higher education institutions across culturally and linguistically differentiated regions. COIL intends to provide academics and students with the ability to communicate and collaborate with peers internationally through online interactions. During the Fall of 2021, this collaboration involved the Universitat Jaume I (UJI), located in the city of Castelló de la Plana in Spain and Algoma University, located on the traditional territory of the Anishinaabek Nation, as well as the homelands of the Métis Nation. The student profiles, each institutions’ geographical locations, as well as the linguistic, cultural and critical approaches to teaching and learning provided ample opportunities and challenges for the development and implementation of this experience. Methods The purpose of this paper is to provide a pedagogical reflection on the development of a 5-week module taught together during three academic years. The authors provide an account and reflection of their collaboration centered on the institutional challenges and opportunities that currently exist for courses that aim to engage Indigenous and critical/ecological thinking. Results and discussion The background of the collaboration leads to a detailed analysis of the context of COIL implementation and the reflections on the modules’ development and improvement. Our recommendations are based on lessons learned from the substantive and technical challenges and opportunities on the complexity of teaching about contemporary ecological/social issues, as well as the tools required to inspire future activists.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».