MétaCan
Menu
Retour à la cohorte
Enregistrement W2780648562 · doi:10.1080/08941920.2017.1383545

Facilitating Co-Production of Transdisciplinary Knowledge for Sustainability: Working with Canadian Biosphere Reserve Practitioners

2017· article· en· W2780648562 sur OpenAlexafffundabout
Maureen G. Reed, Paivi Abernethy

Notice bibliographique

RevueSociety & Natural Resources · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensUniversity of WaterlooRoyal Roads UniversityUniversity of Saskatchewan
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaResearch Institute for Humanity and Nature
Mots-clésFacilitatorSustainabilityGeneral partnershipKnowledge managementTransformative learningKnowledge sharingBusinessKnowledge productionSociologyPolitical scienceComputer scienceEcologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Sustainability scientists argue that diverse knowledge holders should work together in social learning processes to co-produce knowledge in support of sustainability. Yet, how to co-produce such knowledge remains unexplored. A multi-year, national knowledge sharing partnership among Canadian biosphere reserve practitioners, academic researchers and policy advisors revealed that a skilled facilitator was necessary for successful knowledge co-production. We draw attention to the multiple barriers to learning and knowledge co-production, and to the skills required of the facilitator to address them. The facilitator helped draw together local and formalized western knowledge systems (weaving) and diffuse innovations across local sites (out-scaling) and between local sites and the broader program network (up-scaling). Our experience reveals that simply bringing parties together will not generate transformative change for sustainability. Rather, multi-lateral facilitators are needed to ensure deliberate and managed interventions and to institutionalize learning across a diverse collective.

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)0,028
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,767

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0370,016
Communication savante0,0090,006
Science ouverte0,0040,015
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,031
Tête enseignante GPT0,300
Écart entre enseignants0,269 · 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.

Devis d'étudeQualitatif
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

Citations71
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSociety & Natural ResourcesMême sujetSustainability and Climate Change GovernanceTravaux en français237 207