MétaCan
Menu
Retour à la cohorte
Enregistrement W4417144787 · doi:10.5430/ijhe.v14n6p74

Harnessing Generative Artificial Intelligence to Advance Education for Sustainable Development

2025· article· en· W4417144787 sur OpenAlexvenueno aff
Maria Toro-Troconis, Romas Malevicius, Catrin Darsley, Dawn T. Nicholson, Vicki Dale, Nathalie Tasler, Elizabeth Price

Notice bibliographique

RevueInternational Journal of Higher Education · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSustainability in Higher Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainabilityCurriculumRelevance (law)DisciplineSustainable developmentEducation for sustainable developmentGenerative grammarCurriculum development

Résumé

récupéré en direct d'OpenAlex

In this paper we report on a study of the impact of the CoDesignS ESD AI Coach on academic and practitioner perspectives regarding the integration of Education for Sustainable Development (ESD) within teaching and curriculum design. Employing activity theory as the analytical framework, we investigate both the opportunities and limitations associated with the use of generative AI (GenAI) in educational contexts to support ESD.Eighteen participants from a range of higher education (HE) institutions in the UK engaged in the research through a workshop setting. The cohort represented a breadth of disciplinary backgrounds, including engineering, medical sciences, sustainability and veterinary sciences.The workshop introduced participants to concepts of sustainability and ESD, followed by the CoDesignS ESD Framework and its Role, Objective, Community, Key, Shape (ROCKS) method for effective prompting.We employed a mixed-methods research design, incorporating pre-and-post surveys alongside focus groups. Discussion focused on the extent to which the tool enhanced or hindered participants’ understanding of sustainability concepts, and how well it aligned with disciplinary expectations. Reflections also addressed the perceived relevance and accuracy of GenAI-generated content.Survey data revealed that participants felt more confident and better equipped with resources to embed sustainability into their curriculum, and they reported increased assurance in using GenAI tools for curriculum development.Based on focus group analysis, we conclude that the CoDesignS ESD AI Coach holds particular value as a prompt for idea generation. However, it should not be used in isolation. Those specialising in sustainability and curriculum design should guide its effective implementation.

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)0,007
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,006
Communication savante0,0040,004
Science ouverte0,0020,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,024
Tête enseignante GPT0,422
Écart entre enseignants0,398 · 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'étudeSans objet
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'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetSustainability in Higher EducationTravaux en français237 207