将气候正义教育数据化：在算法驱动的“人类世”中实现超越人类的学习与自我关怀

《Environmental Education Research》：Datafying climate justice education: more-than-human learning and self-care in the algorithmic Anthropocene

环境传感器技术赋能社区气候正义教育，通过可穿戴设备监测空气质量，揭示污染分布不公，结合后人类主义与自我关怀理论，将数据学习转化为应对环境焦虑的实践路径。

　　

摘要

本文探讨了环境传感器技术在气候正义教育中的作用。它将自我认知和自我关怀的理论与后人类学习理论相结合，探讨气候正义教育如何应对人类与数字世界之间的复杂关系。我特别研究了基于社区的气候正义教育项目，在这些项目中，居民使用可穿戴传感器技术来监测周围的空气质量，并了解烟雾和空气污染的不公平分布情况。我借鉴了伊丽莎白·德·弗雷塔斯（Elizabeth de Freitas）关于“超人类世界感知能力”的研究，该研究表明，对环境的认识并不仅限于人类的感知。环境传感器技术为社区提供了一种方式，以应对人类世时期知识匮乏与数据过剩所带来的压力。通过这种方式，社区成员成为了解生命所需条件的“超人类参与者”。我指出，这类项目催生了新的教育实践，其中通过公民科学和数据正义教育进行的学习被视作一种自我关怀的形式。