MétaCan
Menu
Retour à la cohorte
Enregistrement W2070087330 · doi:10.1111/cjag.12001

Making Agricultural Economics Research Relevant for Policy Advice

2013· article· en· W2070087330 sur OpenAlexaffvenueabout
Lars Brink

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensCanadian Cardiovascular Society
Organismes subventionnairesnon disponible
Mots-clésAdvice (programming)Political scienceRelevance (law)Valuation (finance)Work (physics)Public relationsPublic administrationEconomicsEngineeringLawAccounting

Résumé

récupéré en direct d'OpenAlex

Many agricultural economics researchers want their work to be relevant for policy advice. Governments make efforts to facilitate the use of research in the development of policy advice. This address reviews some of the literature on the policy relevance of research, with a focus on agricultural economics research. Based on the literature, the address identifies 20 elements that researchers may want to consider when seeking to make their research relevant for policy advice. The importance of each of the elements is highlighted by using them to examine the views expressed by 41 analysts and policy advisors in six symposium settings organized over five years on the topic of “What makes agricultural economics research relevant for policy advice?” The key elements for researchers include understanding the policy‐making process, communicating effectively with the right audiences, doing high‐quality work, and paying attention to timeliness and windows of opportunity. The application of the elements is illustrated by several examples of policy‐relevant research. The address suggests that the Canadian Agricultural Economics Society (CAES) seek to increase the valuation of policy relevance in research funding and academia and outlines steps the CAES could take to better enable individual members to increase the policy relevance of their research. De nombreux chercheurs et chercheuses en agroéconomie souhaitent que leurs travaux de recherche puissent influencer l’élaboration des politiques agroalimentaires. Les gouvernements s’efforcent de faciliter l’utilisation des résultats de recherche dans le processus menant à l’élaboration des politiques. Dans le présent discours, je passe en revue quelques travaux sur l’importance de la recherche, en particulier la recherche en agroéconomie, comme élément d’information pour appuyer la réflexion des décideurs. D’après la littérature sur le sujet, il existe vingt éléments que les chercheurs et chercheuses peuvent prendre en considération lorsqu’ils tentent d’augmenter l’influence de leurs travaux dans l’élaboration des politiques. Pour mettre en relief l’importance de chacun de ces éléments, ils ont été utilisés pour examiner les points de vue de 41 analystes et conseillers en politiques qui ont participéà six symposiums au cours des cinq dernières années sur la question « What makes agricultural economics research relevant for policy advice? (Qu’est‐ce qui rend la recherche en agroéconomie pertinente pour l’élaboration des politiques?). Pour les chercheurs, les éléments clés sont les suivants: comprendre le processus d’élaboration de politiques, communiquer efficacement avec les bons auditoires, effectuer des travaux de recherche de qualité supérieure et accorder une attention particulière à la présentation en temps opportun et aux occasions favorables. L’application des éléments est illustrée à l’aide de plusieurs exemples de travaux de recherche pertinent pour l’élaboration des politiques. Le présent discours préconise que la Société canadienne d’agroéconomie (SCAE) tente d’accroître la valeur de la recherche en milieu universitaire et le financement de la recherche pertinente pour l’élaboration des politiques et présente des moyens que la SCAE pourrait mettre en œuvre afin de permettre à ses membres d’avoir un plus grand impact sur l’élaboration des politiques.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,077
Tête enseignante GPT0,241
Écart entre enseignants0,163 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations7
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetAgricultural Economics and PolicyTravaux en français237 207