Opportunities for better use of collective action theory in research and governance for invasive species management
Notice bibliographique
Résumé
Controlling invasive species presents a public-good dilemma. Although environmental, social, and economic benefits of control accrue to society, costs are borne by only a few individuals and organizations. For decades, policy makers have used incentives and sanctions to encourage or coerce individual actors to contribute to the public good, with limited success. Diverse, subnational efforts to collectively manage invasive plants, insects, and animals provide effective alternatives to traditional command-and-control approaches. Despite this work, there has been little systematic evaluation of collective efforts to determine whether there are consistent principles underpinning success. We reviewed 32 studies to identify the extent to which collective-action theories from related agricultural and environmental fields explain collaborative invasive species management approaches; describe and differentiate emergent invasive species collective-action efforts; and provide guidance on how to enable more collaborative approaches to invasive species management. We identified 4 types of collective action aimed at invasive species-externally led, community led, comanaged, and organizational coalitions-that provide blueprints for future invasive species management. Existing collective-action theories could explain the importance attributed to developing shared knowledge of the social-ecological system and the need for social capital. Yet, collection action on invasive species requires different types of monitoring, sanctions, and boundary definitions. We argue that future government policies can benefit from establishing flexible boundaries that encourage social learning and enable colocated individuals and organizations to identify common goals, pool resources, and coordinate efforts.
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 | 0,053 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,030 |
| Communication savante | 0,012 | 0,030 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».