Notice bibliographique
Résumé
It has become axiomatic that a social license is a critical success factor for Canadian pipelines. Regulators may permit a pipeline, but on-the-ground consent for a project is a function of communities. Social license is an intangible quality outside of formal regulation, occupying the gap between community expectations and existing laws. Increasingly, gaining social license is seen as an important aspect of managing environmental and social risks, and the presence or absence of social license affects project budgets, timelines, corporate reputation and even project outcomes. There are regulatory risks to not demonstrating social license; and even with regulatory approval social license may be the difference between legal challenges and none. Social license is not easy to find, is difficult to measure, and is capricious and dynamic in nature. It is an inherently vague and changeable standard that means different things to different people. Simply defining social license can be a futile enterprise: as with US Supreme Court Justice Stewart’s famous 1964 judgment, we can’t neatly define social license, but we know it when we see it. The emergence of social media has meant that communities are better engaged, informed, and networked than ever before. Gaining social license happens when trust is built, earned and maintained with communities: it can take a long time to build that trust, and today’s digital citizen expects engagement across many platforms in order for that trust to be maintained. Though there is no ‘one-size-fits-all’ approach to gaining social license, the approach of this paper is to lay out a case-study roadmap for navigating towards it by building relationships, countering misinformation, and mobilizing existing support. The paper will also recognize potential wrong turns such as inattention to social media, lack of transparency or a clear message, and the mistaken belief that regulatory approval is the only approval necessary.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».