L’éducation relative au changement climatique dans la recherche, les politiques climatiques et les curriculums de l’éducation secondaire
Bibliographic record
Abstract
Cet article présente la démarche et les résultats de deux recherches doctorales réalisées dans le cadre du projet Resclima de la Universidade de Santiago de Compostela (Galice). Ces recherches sont complémentaires : elles offrent un état de la question de l’ERCC à l’échelle académique, politique et scolaire, plus spécifiquement dans l’enseignement secondaire. La première consiste en une analyse bibliométrique visant à caractériser la recherche portant sur le changement climatique (CC) à l’école secondaire. La deuxième permet de dresser un portrait de l’état général de la recherche actuelle sur l’éducation relative aux changements climatiques (ERCC) dans les programmes scolaires à travers ses principaux axes d’articulation : les politiques climatiques et éducatives, le développement des curricula ainsi que l’analyse de manuels scolaires et des pratiques pédagogiques innovantes. Ces deux recherches mettent en évidence l’importance de se doter d’un agenda international de recherche éducative sur l’ERCC, ainsi que la nécessité de développer de curricula nationaux qui placeraient la lutte contre le CC au centre de l’éducation formelle.
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 | 0.016 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".