Nature-Based Social–Emotional Learning: An Exploratory Qualitative Study in Alberta
Notice bibliographique
Résumé
Research in psychology and education is beginning to show that nature-based learning (NBL)—learning about the natural world, in natural settings, or using natural elements indoors—promotes academic, social, and emotional learning by improving learners’ attention, self-discipline, and enjoyment in learning, along with opportunities for experiencing empathy, engaging in teamwork, and fostering environmental stewardship. Social–emotional learning (SEL) entails how individuals acquire and apply the knowledge, skills, and attitudes to develop healthy identities, manage emotions, achieve personal and collective goals, feel and show empathy for others, establish and maintain supportive relationships, and make responsible and caring decisions. The state of the evidence points to complementary effects between NBL and SEL, including in developing perseverance, self-efficacy, and resilience, and in promoting emotion regulation, social skills, and responsible and ethical behaviour such as environmental stewardship. However, little research has examined the intentional integration of these two fields, or what may be called nature-based social–emotional learning (NBSEL). Using an exploratory-descriptive qualitative design, this study interviewed a sample of Alberta teachers to explore how they are currently using NBL to promote SEL in K–12 students, as well as barriers and advice to doing this work. This study presents exploratory and preliminary findings on a variety of NBL practices and principles that have helped in fostering students’ SEL. Teachers have experienced unique challenges in delivering NBSEL, but they recommended several actions to overcome any barriers and to begin or advance this work. With its contextualized perspectives from educators who are currently practicing NBSEL in Alberta, this study opens avenues and creates a foundation for future research on NBSEL. Strengths and limitations are discussed, along with implications for practice and directions for future research.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,018 | 0,010 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».