Bibliographic record
Abstract
La reflexión y las iniciativas actuales en relación con la creciente aproximación entre la educación científica y la educación ambiental se inscriben en la dinámica de estos dos campos de acción educativa. Por una parte, la educación científica adopta cada vez más una perspectiva ciencia-tecnología-medio ambiente y se impregna de una cultura contemporánea de la ciencia que toma en cuenta la complejidad y el carácter contextual de las realidades, la incertidumbre y el riesgo, la diversidad de las epistemologías y el anclaje de la actividad científica en una realidad social. Por otra parte, el campo de la educación ambiental se ha desplegado en el curso de las últimas décadas en una rica diversidad de corrientes - teóricas y prácticas-, algunas de más larga tradición (como la corriente naturalista o conservacionista), otras más recientes que manifiestan una consideración creciente del carácter socio-ecológico (cultural, económico, político, etc. ) de las realidades ambientales. A través de cada una de estas corrientes, es posible interpelar la relación científica con el mundo, de tal manera que la educación científica y la educación ambiental pueden entrecruzarse de diversas maneras complementarias. Acotaremos algunos de estos puntos de cruce que contribuyen a la construcción de una educación "ecocientífica". Un estudio de caso relativo al sector agro-alimentario, permitirá ilustrar algunos desafíos de una tal educación, en particular en relación con las tensiones entre el saber, la ética y lo político.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.006 | 0.042 |
| Scholarly communication | 0.025 | 0.026 |
| Open science | 0.002 | 0.013 |
| Research integrity | 0.007 | 0.009 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".