Understanding structure and character in rural water governance networks
Notice bibliographique
Résumé
Governance has emerged as one of the key concerns amongst water experts focused on sustainability. Achieving sustainable states of water governance requires alignment of governance structures with water management objectives that are context specific. Two rural watershed planning processes in the province of British Columbia- the Similkameen Valley (Similkameen) Watershed planning network and the Kettle River (Kettle) Watershed planning network - were investigated using social network analysis (SNA) and social discourse network analysis (s-DNA) to map the socio-ecological relationships and analyze the discourse upon which water governance networks are being built. The resulting network structures and key actor characteristics revealed limited evidence for a transition towards collaborative and adaptive water governance models, which have been argued to be better suited in addressing key goals such as adapting to climate change impacts. Recommendations are made for improving water governance processes in rural regions to achieve effective implementation within the context of the new British Columbia Water Sustainability Act, 2014. SNA and s-DNA provide a means, through interdisciplinary research, to examine social network drivers and potential barriers to sustainable water governance development. Identifying network structures and measuring network characteristics gives resource managers the insight to intervene into evolving governance processes, to ensure proper alignment with contextually determined water sustainability goals. Results from this research will enable those involved in water governance design and implementation to make informed water resource decisions leading to effective, adaptive, and sustainable water 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 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».