MétaCan
Menu
Retour à la cohorte
Enregistrement W7135584769

Engaging Youth for Sustainable Development:Field Lessons from Community Sustainability Global

2020· article· en· W7135584769 sur OpenAlexaff
Temitope Tunbi Onifade, Oluwaseyi Awosiyan, Mikaela A. Frame, Toyin Adekanmbi

Notice bibliographique

RevueExplore Bristol Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of Prince Edward IslandUniversity of British ColumbiaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSustainabilityAction (physics)Sustainable developmentSustainability scienceEmpirical evidenceSustainable communityGlobal climateSocial sustainabilityGlobal South
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abundant empirical evidence and studies tell us youth (age 15-24) have some potential to facilitate sustainable development (SD) policy and action, including awareness and activism, agenda setting, formulation, legitimation, decision-making and implementation. However, we know more about their activism and implementation role in the global north than south, especially Africa. Also, of the three basic pillars — economic, social, and environmental — of SD, youth are often reported and visibly seen to be more active on the environmental front, especially SD goal 13: climate action. While they could also foster economic and social sustainability, we know too little about that potential. To contribute to filling these gaps, we ask what youth could do to enhance the three pillars of SD across the global north and south. We use an international project, Community Sustainability Global (CSG), as a case study to answer the question, drawing on workshop preparation and interaction, feedback surveys and interviews. Among other findings, our results show that youth contribute not only to promoting SD policy and action but could also tell us more about knowledge mobilization on scientific and policy loopholes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,032
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0080,006
Communication savante0,0050,006
Science ouverte0,0030,010
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,175
Tête enseignante GPT0,407
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExplore Bristol ResearchMême sujetEnvironmental Education and SustainabilityTravaux en français237 207