Decoding Spatial Empathy: Using Digital Storytelling to Overcome Barriers in Geographic Understanding
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study applies the Decoding the Disciplines framework to address a persistent bottleneck in geographic education: students' difficulty developing spatial empathy in increasingly hybridized learning environments. Spatial empathy—the ability to deeply connect with and understand places and their inhabitants beyond cognitive recognition—requires students to overcome ontological and epistemological barriers rooted in colonial perspectives of space. Through careful analysis, we identify expert mental moves that geographers employ, including multi-sensory engagement with place, recognition of temporal layers and multiple narratives, embodied spatial cognition, connecting personal experience to broader contexts, and transferring spatial understanding across physical and digital realms. We created immersive 3D audio experiences featuring pandemic-related campus narratives and measured their impact on 47 university students. Results demonstrate significant differences in emotional responses between students who experienced campus closure (more negative emotional tone, higher intensity) versus those who didn't, though both groups reported high empathy levels. Qualitative data revealed three key themes: perspective-taking, accessibility awareness, and sensory connection to place. Digital storytelling effectively modeled expert mental moves by making tacit knowledge visible and fostering embodied engagement through sonic pedagogies. This approach offers geography educators a framework for teaching place-based concepts in hybrid contexts while challenging visual dominance in spatial representation. Our findings extend the Decoding paradigm to encompass multi-sensory dimensions of spatial understanding, demonstrating how immersive soundscapes can bridge disconnections from place while fostering mutual understanding across diverse experiences.
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.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,010 |
| 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 découle