A framework for analyzing institutional gaps in natural resource governance
Notice bibliographique
Résumé
In this paper we present the Inter-Institutional Gap(IIG) Framework as a novel approach to conceptualizing the often-overlooked interconnectivity of different rule-levels between formal and informal institutions in a resource system. This framework goes beyond the existing concepts of legal pluralism, institutional void, structural hole, and cultural mismatch, each of which offer valuable insights to particular gaps between formal and informal institutions, but do not sufficiently address the interaction at every rule level (i.e. constitutional choice, collective choice and operational choice rules). In order to demonstrate the potential of our framework for better understanding the underlying causes of inter-institutional gaps, we apply it to four case studies that encompass diverse geographical locations, governance scales, and social-ecological systems. Results reveal inter-institutional gaps can be created when there are unintended, unforeseen or hidden gaps between different rule hierarchies in two or more simultaneously operating institutions. More specifically we observe that: i) inter-institutional gaps are co-existing, therefore if a certain gap is identified, other gaps may be expected; ii) certain gaps may reveal latent gaps; and iii) intermediaries may be key to addressing inter-institutional gaps. In many cases, sustainable natural resource management and regulation cannot be achieved without directly addressing the inter-institutional gaps that exist between formal and informal institutions operating in the same resource system. The Framework facilitates analysis and understanding of multi-level governance structures in pursuit of addressing complex natural resource management issues.
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 | 0,001 |
| 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 | 0,002 | 0,001 |
| 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 ».