Writing plants out of secondary biology education in a time of ecological crisis – staying with or avoiding the trouble?
Notice bibliographique
Résumé
Research conducted across the UK links the fall in botanical expertise, with a decline in third-level botanical programmes of study, and a rise in ‘plant blindness’ (Stroud et al. 2022). Erosion of botanical education occurs at a time when national STEM policies are preoccupied with forging links to industry and commercialisation. These economic policies have failed to deliver on the intentions therein (Lynch 2022) and have resulted in us living on a damaged planet (Tsing et al. 2017) This study adopts Haraway’s theoretical framework (2016) to reimagine how we learn about the earth by forging new patterns of thought that deliberately entangle our lives with those of all species who bear the consequences of human actions. We critique the neoliberal constructivist discourse that promotes knowledge driven by economic demands (Carter 2005). Using the methodological approach of Bartlett and Vavrus (2017), we undertake a comparative case study, to map the erosion of botanical education from the biology curriculum in two countries – Ireland and Northern Ireland. This paper argues for biology education that will enable us to learn to live with other species on our damaged planet by shifting the focus of biology education to an eco-centered approach (Braidotti 2021).
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 | 0,011 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,018 |
| Communication savante | 0,016 | 0,011 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».