MétaCan
Menu
Retour à la cohorte
Enregistrement W2588368136 · doi:10.1080/08941920.2017.1283076

Can Distrust Enhance Public Engagement? Insights From a National Survey on Energy Issues in Canada

2017· article· en· W2588368136 sur OpenAlexaffabout
John R. Parkins, Thomas M. Beckley, Louise Comeau, Richard C. Stedman, Curtis Rollins, Anna Kessler

Notice bibliographique

RevueSociety & Natural Resources · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of New BrunswickUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDistrustPublic engagementPublic trustCredibilityPublic relationsSkepticismSurvey data collectionPsychologySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Research examining the relationship between trust, public engagement, and natural resource management asserts that trust fosters positive behavior and enhanced cooperation. Yet some scholars are finding that certain kinds of distrust are helpful in achieving democratic outcomes by providing would-be participants with the motivation to engage in issues of public concern. This article seeks to clarify this apparent disjuncture in the trust literature by examining the multidimensional nature of trust as it relates to public engagement on energy-related issues in Canada. Based on a national online survey (n = 3000) we use a binary probit model to explore the connections between trust, knowledge, and public engagement. About 70% of respondents had participated in at least one form of public engagement over the last 3 years. Drawing on a two-dimensional conception of trust, we find that general trust on its own is not positively linked to public engagement. A combination of general trust and skepticism, however, is positively associated with public engagement and confirms our hypothesis that at least some concern regarding credibility, bias, and vested interest can motivate public engagement. In this sense, trust is not uniformly good for public engagement. These results signal a need to further refine our assumptions about the relationship between public trust, public engagement and environmental governance.

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)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,440

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0060,002
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,246 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations33
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSociety & Natural ResourcesMême sujetEnvironmental Education and SustainabilityTravaux en français237 207