MétaCan
Menu
Retour à la cohorte
Enregistrement W4412476910 · doi:10.3390/su17146506

National Context Impacts on SDG Mapping Needs and Approaches in Higher Education, a Tri-National Comparison

2025· article· en· W4412476910 sur OpenAlexafffundabout
Morgane Bousquet, Ashley Byrne, Daniel Forget, Georgina Gough, Louis-René Rheault, Stéphane Roche, David Siaussat

Notice bibliographique

RevueSustainability · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSustainability in Higher Education
Établissements canadiensInstitut de Recherche et de Développement en AgroenvironnementUniversité Laval
Organismes subventionnairesUniversité Laval
Mots-clésContext (archaeology)Regional scienceData sciencePolitical scienceComputer scienceEnvironmental resource managementEnvironmental planningGeographyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Since 2015 and the Paris Agreements, several countries have committed to sustainable development (SD) and the Sustainable Development Goals (SDGs). Higher Education Institutions (HEIs) have an important role to play in providing education and supporting research activities that integrate SD and SDG concepts. However, the context where the HEI is located has an impact on the level of development and integration of strategic guidelines, methods, and tools for measuring the performance of SDGs within the HEI. The United Nations framework remains the most developed and used tool, but it stays very global and needs to be adapted to other contexts, which leads to local initiatives by some HEIs in developing their tools. The response of HEIs to this challenge differs from one context to another, and this article aims to (i) provide a framework to analyze the different HEI contexts based on their own global, national, and local context; (ii) present and compare the context analysis of three different HEIs (ULaval, Sorbonne Univ, and UWE) in three different countries worldwide (Canada, France, and England), and (iii) discuss the limits, challenges, and research opportunities in the subject of SDG integration within HEIs. Notably, the context analysis of ULaval and UWE case studies showed that the Canadian and UK scales give global orientations with a delegation to the Quebec Province and England government for the education and research strategies. A strong leadership comes from the HEIs themselves in developing their own methods and tools for assessing and monitoring the SDGs, as is the case with ULaval and UWE. On the other hand, the Sorbonne Univ case follows the French national and European-United Nation framework but is less committed to developing its own tools and methods.

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)0,013
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,011
Études des sciences et des technologies0,0070,005
Communication savante0,0130,010
Science ouverte0,0010,014
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,097
Tête enseignante GPT0,401
Écart entre enseignants0,304 · 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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetSustainability in Higher EducationTravaux en français237 207