L’éducation environnementale en milieu urbain : l’exemple du marécage Tylee à Rosemère
Bibliographic record
Abstract
Mieux que toute autre stratégie en matière d’éducation environnementale, le contact direct avec la nature augmente la sensibilité des citoyens et leur prédisposition à intervenir en cette matière ; or, l’urbanisation croissante des populations humaines les coupe de plus en plus des milieux naturels. Nous avons développé une approche d’éducation environnementale destinée aux élèves de niveau primaire en utilisant une aire protégée sise dans la couronne nord de Montréal, le marécage Tylee. Tout au long de l’année scolaire 2011-2012, 29 classes sur 33 d’une école primaire ont préparé des kiosques d’interprétation de la nature et des spectacles en vue de tenir une fin de semaine de promotion de ce site naturel. Durant la dernière fin de semaine de mai, 1 000 citoyens (300 visiteurs pour les kiosques ; 700 spectateurs pour les spectacles) ont pris part aux activités. Pour compenser les gaz à effet de serre émis dans le cadre du projet, 2 classes ont par ailleurs réalisé une activité de restauration d’un marécage dégradé de la municipalité en y plantant 140 arbres. Sensibiliser les élèves d’une école primaire, en ayant recours à une aire protégée située à proximité, est une approche prometteuse pour amorcer des changements d’attitudes ou de comportements en matière de conservation des milieux naturels.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.010 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".