Perspectives on Art Education for Sustainable Development in Higher Education Institutions in Sichuan Province
Notice bibliographique
Résumé
This study examines the current state of Art Education for Sustainable Development (AESD) in higher education institutions across Sichuan Province, focusing on six key dimensions: Goal of Art Education Training (GAET), Art Education System and Mechanism (AESM), Art Education Curriculum System (AECS), Art Practice System (APS), Art Education Faculty (AEF), and Art Education Quality (AEQ). A mixed-methods approach was adopted, combining questionnaires and structured interviews with 384 students, 291 teachers, 274 administrators, and 25 experts. Quantitative analysis, employing descriptive statistics, ANOVA, and Pearson correlation, indicated moderate overall perceptions of AESD. Strengths included alignment with individual development needs and the effectiveness of independent practice systems, while challenges encompassed unclear training objectives, underdeveloped institutional mechanisms, and limited international opportunities. Qualitative findings reinforced these observations, highlighting outdated curricula, insufficient faculty development, and inadequate resource allocation as persistent obstacles. Furthermore, the study identified significant correlations among key variables, with AESM and APS emerging as critical factors in enhancing education quality. Based on these insights, the study recommends redefining training objectives, fostering curriculum innovation, expanding interdisciplinary and international opportunities, and strengthening institutional mechanisms to more effectively align art education with sustainable development goals (SDGs). These findings offer actionable insights to address systemic gaps and leverage institutional strengths, ultimately equipping higher education institutions to prepare stakeholders for meaningful contributions to societal progress and sustainability.
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 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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».