MétaCan
Menu
Retour à la cohorte
Enregistrement W2011002127 · doi:10.1111/j.2040-0209.2012.00402.x

Behind the Scenes at a Climate Change Knowledge Sharing Network: IDS Insights from Phase One of AfricaAdapt

2012· article· en· W2011002127 sur OpenAlexaff
Catherine Fisher, Blane Harvey

Notice bibliographique

RevueIDS Working Papers · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensImpact
Organismes subventionnairesDepartment for International Development
Mots-clésGeneral partnershipKnowledge sharingKnowledge managementNetwork governanceCorporate governanceLivelihoodClimate changeBusinessComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Summary Knowledge sharing networks are increasingly recognised as means of mobilising the knowledge and capacities needed to respond to complex and changing realities, such as the challenges posed by climate change. AfricaAdapt is one such network that describes its aim as ‘facilitating the flow of climate change adaptation knowledge for sustainable livelihoods between researchers, policy makers, civil society organisations and communities who are vulnerable to climate variability and change across the [African] continent’. This paper takes a ‘behind the scenes’ look at the AfricaAdapt Network and the partnerships on which it is based and is thus intended to be useful for others seeking to collaboratively develop knowledge sharing networks. We focus on the dynamics of design and implementation of a knowledge sharing network in a distributed partnership, from the perspective of the former lead partner. Rather than looking at the delivery and outcomes of network activities, we explore the way in which the partners sought to develop sustainable relationships and ways of working to underpin the network, areas that are frequently under‐examined, particularly among practitioners. Areas covered include: governance and management, staffing and planning, financial management, partnership dynamics, learning, capacity development, monitoring and evaluation. Although all knowledge sharing networks are different we have tried to identify insights and principles from this specific example that can be adapted and applied in other contexts. We hope that these insights will provide a useful contribution to the broader body of theory and experience around networks and knowledge sharing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0140,010
Communication savante0,0110,013
Science ouverte0,0020,012
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,180
Tête enseignante GPT0,288
Écart entre enseignants0,108 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIDS Working PapersMême sujetCommunity Development and Social ImpactTravaux en français237 207