Higher Education Institutions and the Sustainable Development Goals: Understanding Engagement and Prioritization within Canadian Research-Intensive Universities
Notice bibliographique
Résumé
Higher Education Institutions (HEIs) are increasingly coming on board to engage with the United Nations Agenda 2030 - Sustainable Development Goals (SDGs). By leveraging their global connectivity and other advantageous traits, such as their research and knowledge production capability, HEIs are uniquely positioned to be leaders in sustainable strategic planning. To date, however, no systematic attempt has been made to investigate how Canadian HEIs are engaging with the SDGs. In response to this knowledge gap, this research seeks to understand: In what ways are Canadian HEIs (specifically, U15s) engaging with the SDGs, and why? And what SDGs are being prioritized within Canadian HEIs (U15s), and why? This research undertook two phases; first, a content analysis of the HEIs’ strategic documents on SDGs was conducted; and second, an analysis of interviews with participants from the HEIs was undertaken. Findings illustrate how the Canadian HEIs are engaging with the SDGs across many areas of operation from courses and research to community outreach. Results from the document analysis indicate that SDGs 17 (partnership for the goals), 4 (quality education), and 9 (industry, innovation and infrastructure) have higher levels of engagement among the HEIs. Additionally, the interviews provide further context and perspective on the HEIs SDG engagement. These findings can be valuable for future research aiming to provide best practice recommendations to Canadian HEIs, specifically the U15s, to improve their overall SDG engagement. This research also helps to increase overall awareness and understanding of the role HEIs can play in global initiatives.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».