Keeping science’s seat at the decision-making table: Mechanisms to motivate policy-makers to keep using scientific information in the age of disinformation
Notice bibliographique
Résumé
Policy-makers are confronted with complex problems that require evaluating multiple streams of evidence and weighing competing interests to develop and implement solutions. However, the policy interventions available to resolve these problems have different levels of supporting scientific evidence. Decision-makers, who are not necessarily scientifically trained, may favour policies with limited scientific backing to obtain public support. We illustrate these tensions with two case studies where the scientific consensus went up against the governing parties’ chosen policy. What mechanisms exist to keep the weight of scientific evidence at the forefront of decision-making at the highest levels of government? In this paper, we propose that Canada create “Departmental Chief Science Advisors” (DCSAs), based on a program in the UK, to help complement and extend the reach of the newly created Chief Science Advisor position. DCSAs would provide advice to ministers and senior civil servants, critically evaluate scientific work in their host department, and provide public outreach for the department’s science. We show how the DCSAs could be integrated into their departments and illustrate their potential benefits to the policy making process and the scientific community.
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 | 0,173 | 0,266 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,020 | 0,044 |
| Communication savante | 0,031 | 0,018 |
| Science ouverte | 0,005 | 0,021 |
| Intégrité de la recherche | 0,022 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».