EXPLORING THE AFFORDANCES OF OUTDOOR LEARNING: HOW TEACHERS UTILIZED THEM TO ENHANCE THE LEARNING EXPERIENCE
Notice bibliographique
Résumé
Outdoor learning refers to all forms of learning that take place outside the classroom. This can include specific outdoor education curriculum or other subject areas taught through outdoor experiences. There are many different theories and approaches to outdoor learning, including experiential, environmental, adventure, place or community based, and land-based learning. These approaches may have some differences in goals and methods, but they share similar theoretical foundations and practices. The concept of affordances, which describes the possibilities and opportunities for behavior that objects in the environment offer, is an important theoretical foundation for outdoor learning. The study examined the lived experiences of outdoor learning teachers in relation to how they made use of the affordances available in the outdoor environment using phenomenological methods. Semi-structured interviews were conducted one-on-one with fourteen teachers from Saskatchewan who use the outdoor environment in their teaching practice. Mind-mapping, the hermeneutic circle, and interpretative phenomenological analysis were used to analyse the data. Six themes were identified including: relationships, engagement, flexibility, risk and autonomy, freedom, and health. Out of these themes, six affordances were highlighted including: expansive spaces, distractions, freedom, real, or found, objects, dynamic changeability, and challenge and risk. Teachers utilized these affordances through walks, supporting freedom of expression, camping trips, embracing a student-centered approach, allowing and supporting student interaction with objects, and engaging in challenging or risky activities with proper risk assessment and management. This utilization of the affordances yielded numerous positive benefits including: the development and strengthening of relationships, increased student engagement, student creativity and autonomy, supporting individual learning needs and life skills, and improved student health.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».