Climate change, transformative learning, and social action: An exploration of adult climate activists in Manitoba, Canada
Notice bibliographique
Résumé
Recently animated by youth campaigns such as #FridaysforFuture, the climate movement reflects the urgency of the climate crisis in the 21st century. While youth climate activists point to the instability of their own future as a key reason for mobilizing, it is not as clear what catalyzing forces are causing adults to join the climate movement. To investigate, this research explores the role of learning as a catalyzing process through which adult activists in Manitoba, Canada, are motivated to take collective action on the climate crisis. As such, this work attempts to address a gap in the transformative learning literature by examining the intersection of learning and action, and works to advance knowledge regarding pathways to “learn our way out” of complex socio-ecological problems (e.g., climate change). Data for this qualitative study was comprised of literature and document review, semi-structured interviews, and a focus group session with climate activists in Manitoba. Key findings included observing how multiple types of learning (formal, nonformal, and experiential) led participants to climate activism, as well as how experiences of grief, loss, death, and/or trauma motivated involvement in the climate movement. In regard to learning outcomes, this research adds context to the instrumental, communicative, transformative, and introspective domains of transformative learning and draws conclusions about the learning-to-action process as one of accumulated awareness.
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 ».