Permettre le possible : planifier l’inclusion par les approches ancrées dans la communauté et l’environnement
Bibliographic record
Abstract
Afin de pouvoir répondre aux défis actuels de l'environnement et de nos communautés (par exemple, la crise climatique, la perte de biodiversité, les abus des droits humains), nous devons apprendre à vivre autrement, voire de façon plus responsable et aimante, ensemble, avec la Terre et avec les autres êtres vivants. Comme professeures universitaires dans une faculté d'éducation, en raison de notre rôle dans la formation du personnel enseignant, nous avons un impact potentiel sur la formation des membres actuels et futurs de la société. Nous nous pencherons ici sur une stratégie pédagogique qui relève d’une approche éducative pour un avenir viable et qui intègre des perspectives autochtones : il s’agit d'utiliser les espaces naturels et communautaires en guise de « salle de classe ». Ce type de stratégie s'est avéré efficace et bénéfique pour faciliter un apprentissage potentiellement transformateur, la création de relations positives et assurer le bien-être physique et mental des élèves. Cependant, en raison de la diversité croissante de notre population étudiante, adopter et faire vivre cette stratégie expérientielle n'est pas toujours évident. Cet article propose de partager en premier lieu des exemples de la manière dont une telle stratégie, hors de la salle de classe conventionnelle, est mise en œuvre dans les facultés d'éducation. En deuxième lieu, nous exposerons différents éléments à considérer lors de la planification de ce type d'expériences éducatives afin de les rendre aussi inclusives que possible aux besoins variés des personnes étudiantes.
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 | 0.008 | 0.010 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.013 | 0.011 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.022 | 0.006 |
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".