Lessons for introducing stakeholders to environmental evidence synthesis
Notice bibliographique
Résumé
Involving stakeholders in systematic reviews is common practice and is advised in the Collaboration for Environmental Evidence (CEE) Guidelines (v.4.2). Frameworks for engaging stakeholders exist and should be used; however, there are additional lessons to be learned in a country, or region where evidence-based environmental management is an emerging paradigm. Based on our experience working with Canadian governmental institutions, we provide five lessons that we have learned while introducing stakeholders to the CEE systematic review (hereafter SR) process. These lessons are: (1) Advocate for a systematic review with broad geographical scope and target audience; (2) Control stakeholder mission-creep; (3) Establish a mutually beneficial timeline; (4) Reduce the potential of biased targeted searches; and (5) Manage stakeholder expectations. By incorporating these lessons into existing frameworks, we hope to make the introduction of SRs to stakeholders more efficient to conserve resources and maintain long-lasting, productive relationships between the review team and stakeholders.
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 | 0,686 | 0,767 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,013 | 0,036 |
| Communication savante | 0,037 | 0,066 |
| Science ouverte | 0,010 | 0,038 |
| Intégrité de la recherche | 0,031 | 0,056 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».