Exploring climate-friendly cities: a case study of elementary students’ systems thinking
Notice bibliographique
Résumé
This qualitative case study explores how elementary students’ systems thinking emerges and evolves through engagement in climate change-focused design tasks. Despite growing interest in systems thinking within science education, research at the elementary level, especially concerning complex socioscientific issues like climate change, remains limited. Guided by the Components – Mechanisms – Phenomena (CMP) framework, we analyzed interviews, student artefacts, and field notes collected over 12 weeks involving Grade 6 students in Western Canada. Findings reveal that students effectively identified key system components (e.g. vegetation, oceans, atmosphere, renewable energy sources) and recognised emergent phenomena such as global warming and climate-friendly urban design. However, they often struggled to articulate mechanisms of how these components dynamically interact to produce broader outcomes. It was evident that design tasks and structured scaffolds, such as CMP-informed prompts, provided immediate opportunities for component identification and phenomenon recognition, while perturbation activities prompted dynamic reasoning about system interdependencies and trade-offs between efficiency and equity. Findings also supported that students’ systems thinking skills were multifaceted and context-dependent rather than strictly hierarchical. The study contributes conceptually (reframing development as context-sensitive), methodologically (CMP as scaffold and analytic lens), and practically (a classroom-ready toolkit, including CMP-informed prompts and design-plus-perturbation tasks).
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,010 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».