Green education diplomacy and civic soft power: the role of states and tech corporations in shaping sustainability pedagogies
Notice bibliographique
Résumé
In an era of intensifying climate crises and expanding intersections of state authority and corporate influence, this article advances the concept of Green Education Diplomacy. It frames education not only as a domestic or sectoral concern but as a strategic resource mobilised across borders to generate legitimacy, civic agency, and sustainability norms. This diplomacy unfolds under analytically grounded hybridity-the blending of state authority, corporate agency, and civic participation into new governance configurations. Based on a systematic comparative analysis of 120 governmental and corporate documents (2008–2025), the study examines three democracies (Germany, Canada, Japan) and three technology firms (Apple, Google, Microsoft). Findings show that states mobilise soft power through curricula, teacher training, and policy frameworks, while corporations exert civic power via digital infrastructures, global partnerships, and cultural branding. This analysis demonstrates how education operates simultaneously as state-centered soft power and corporate civic power, generating legitimacy through intersecting logics, and situates Green Education Diplomacy within soft power theory, neo-institutionalism, and Education for Sustainable Development (ESD). It highlights education as diplomatic performance, corporations as norm entrepreneurs, and states as competitors for green authority, demonstrating that in our digital Anthropocene, the global order is shaped in classrooms as much as in ministries and boardrooms.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,018 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,000 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».