Teaching the “heads, hearts, and hands” of futures literacy in sustainability education using radical seeds of change
Notice bibliographique
Résumé
There is a need for sustainability education to offer students a concrete means to imagine and enact more sustainable futures. Students need to develop futures literacy that is both prefigurative, imaginative, and creative as well as critical and able to challenge existing power. Furthermore, futures education needs to engage students’ “heads, hearts, and hands”: their knowledge, affective orientations, and skills. This paper investigates the use of the “Seeds of Good Anthropocenes” (SoGA) approach in an educational context. “Seeds” are radical initiatives, projects, and practices that currently exist, but that are not yet mainstream. Our research was developed by teachers, teaching assistants, students, and focus country experts involved in a second year mandatory BSc course at Utrecht University. In this course, student teams work with focus country experts to find and combine seeds into transformation pathways to aspirational futures for different national contexts worldwide. Students then use the X-Curve to develop their pathways and explorative future scenarios to test the key assumptions made for these pathways. In this paper, we investigate how the SoGA approach impacts students’ learning and affective orientation about transformative futures. To do this, an extensive qualitative survey was conducted with 92 students, supported by feedback meetings and conversations with all student teams to reflect on their learning experience. Students developed an expanded sense of what futures are possible and of the challenges of systems change (heads). The course process made many students more hopeful, but also more concerned about the future (hearts). Finally, students learned new methods for engaging with the future but also struggled to work internationally (hands). We conclude that using seeds can be powerful for the development of futures literacy in educational contexts, but that their bottom-up character also has limitations that require complementation by other methods.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,015 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».