Green outdoor environments: Settings for promoting children's health and wellbeing
Notice bibliographique
Résumé
<p>Around the world, children's outdoor environments, such as school grounds, early childhood education services, public playgrounds and backyards, are changing. Homogenous environments consisting primarily of asphalt and grass that are noted for being hot, hard and barren are being transformed or 'greened' into places designed to include a variety of natural elements, such as vegetable gardens, wetlands, trees, frog ponds, murals and butterfly gardens.</p><p>Internationally, a number of not-for-profit organisations support the process of greening children's outdoor environments. Organisations and programs such as Evergreen in Canada, the Centre for Ecoliteracy in the United States, Learnscapes in Australia, Movium in Sweden, the Ecoschools programs in South Africa and Learning Through Landscapes in the United Kingdom continue to grow in their profile and scope. These organisations provide guidance, funding and resources to administrators, teachers and parents who are interested in beginning the process of playground greening.</p><p>Evidence of the wide-ranging benefits of green outdoor environments for children is mounting. These benefits extend to children's environmental awareness; opportunities for learning and cognition; social, emotional and mental wellbeing; and safety and health (Dyment, 2005; Gill, 2014; Rosenow & Bailie, 2014). Green outdoor environments can thus be considered and developed as sites to enhance these various dimensions of children's lives. They also represent an opportunity for educators working in schools and early childhood education services to reach out and collaborate with people working in other related educational fields and movements-be it around issues of achievement, citizenship, peace, sustainability, safety or health.</p>
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».