Individual knowledge acquisition by teachers to promote the ecological value of sacred Kaya forests in southern Kenya
Notice bibliographique
Résumé
Demographic pressure is leading to an ever-increasing demand for natural resources. In large parts of Sub-Saharan Africa, natural ecosystems have been transformed into agricultural land, pastures, plantations, or settlement areas. The last remnants of natural ecosystems are preserved for biological and cultural reasons. The Mijikenda Kaya forests in coastal Kenya are small forest remnants with high biological and cultural value. Given demographic pressure and a lack of awareness of the value of bio- and cultural diversity, the destruction of these forest habitats is alarming. Environmental education in schools may help to increase awareness for the need to preserve these ecosystems. In this study, we interviewed teachers from schools located around Kaya Kambe forest in coastal Kenya. We used a standardized questionnaire to analyze the degree of awareness through environmental education, teachers´ attitudes to environmental issues in general, and particularly to sacred Kaya forests. We found that environmental education is of low priority for teachers in schools assessed. One third of respondents do not incorporate environmental topics in their teaching at all. Teachers who have already had environmental education themselves and therefore have respective knowledge are prone to incorporate these topics in their lessons. However, there is hardly any reference to the conservation of Kaya forests for their spiritual heritage. Only teachers who have a relation with Kaya forests and the local culture considered the forest to be of high biological and cultural relevance and worth conserving. Our study shows that environmental education is still under-represented in schools in Kenya, and should be given a higher priority in the school curricula in order to increase awareness of the need to preserve biological and cultural diversity as well as natural resources for the future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».