Writing About Sustainability Science for the Media: How to Be Both True-to-Fact and Tell a Good Story
Notice bibliographique
Résumé
Communicating the findings of sustainability science credibly, accurately, and in ways that meet the needs of public communities presents a challenge for academic researchers. This article reviews the findings of communicating sustainability science to a community audience through mainstream media, from an online blog written by a sustainability studies postdoctoral fellow for the New York Times (NYT)–Scientist at Work. The postdoctoral fellow reported in the blog (March 19–26, 2013) on sustainable community development research on the coast of British Columbia. Field reports included textual and photographic information, with supporting multimedia documentation. Based on lessons learned with the NYT–Scientist at Work, this article identifies a set of best practices sustainability scientists might employ to communicate their research both true-to-fact and telling a good story. Recommended communication of sustainability science best practices include: (a) Find the sex, drugs, and rock and roll in the science; (b) It's the scientist's byline—be prepared to defend all the scientific findings regardless of their source; (c) Make science dissemination a part of the research process, not an afterthought; (d) Little of the science will actually get published—find the sound bites; and (e) Leave time for rights and permissions discussions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,073 | 0,161 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,023 | 0,036 |
| Communication savante | 0,036 | 0,054 |
| Science ouverte | 0,003 | 0,018 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».