MétaCan
Menu
Retour à la cohorte
Enregistrement W2734717854 · doi:10.3390/su9071232

Environmental Governance for the Anthropocene? Social-Ecological Systems, Resilience, and Collaborative Learning

2017· article· en· W2734717854 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSustainability · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésOperationalizationAnthropoceneInterdependenceCorporate governanceSocial learningSocio-ecological systemMulti-level governanceResilience (materials science)Adaptive capacityPsychological resilienceAdaptive managementEcological systems theoryAdaptation (eye)Argument (complex analysis)Collaborative learningHuman systems engineeringEnvironmental resource managementSociologyClimate changeKnowledge managementEcologyComputer scienceBusinessDependabilitySocial sciencePsychologyEpistemologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

The Anthropocene is characterized by rapid global change, necessitating adaptive governance. But how can such adaptive governance be operationalized? The article offers a three-point argument to approach this question. First, people and environment need to be considered together, as social (human) and ecological (biophysical) subsystems are linked by mutual feedbacks, and are interdependent and co-evolutionary. These integrated systems of humans and environment (social-ecological systems) provide an appropriate unit of analysis. Second, the resilience approach deals with change in multilevel complex systems, and has stimulated much of the adaptive governance literature by addressing uncertainty and adaptation to unforeseen future changes. Third, there is a need to foster collaborative approaches to improve social and institutional learning, as for example in adaptive management, collaborative learning networks, and knowledge co-production. Collaborative learning is perhaps where further research, experimentation, and application might make a difference for operationalizing adaptive governance, with a focus on institutions, at all levels from local to international.

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.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,274
Écart entre enseignants0,264 · 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