Building Great Lakes Resiliency to Eutrophication: Lessons to inform adaptive governance of the nearshore areas of the Laurentian Great Lakes.
Notice bibliographique
Résumé
Annex 2 of the Great Lakes Water Quality Protocol calls for the collaborative development of a ‘nearshore framework’, but does not provide guidance with respect to nearshore governance. This thesis bridges this gap with a series of studies on the determinants for adaptive governance that will inform implementation of the Great Lakes Water Quality Protocol 2012. The principal focus of this work is on eutrophication, which is essentially a nearshore issue. The methodology includes a comprehensive literature review and 35 key informant interviews using a standardized questionnaire. The results assess Great Lakes governance, examine the strengths of the Great Lakes Water Quality Agreement Protocol 2012 and evaluate the effectiveness of the International Joint Commission. A major product of the research is the development of a framework for assessing adaptive capacity based on six determinants: public participation, science, networks, leadership, flexibility and resources. The framework is validated in the case study of eutrophication in Lake Erie and used to identify gaps in adaptive capacity for current eutrophication governance of Lake Erie. The framework was then tested on two additional case studies, the Chesapeake Bay and the Baltic Sea Region. These systems are both eutrophic and are similar in many other ways to the Great Lakes. This allowed exploration of issues of scale, from local (Chesapeake Bay) to binational (the Great lakes) to transnational (the Baltic Sea). The most important finding of this work is that the key barrier for building adaptive capacity for eutrophication governance in the Great Lakes is the lack of adequate leadership and resources. A key recommendation is therefore that the IJC be strengthened in its role to function as a collaborative leader to foster adaptive capacity. The findings from this research can inform the implementation of the Great Lakes Water Quality Protocol 2012.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».