A Methodological Framework to Initiate and Design Transition Governance Processes
Notice bibliographique
Résumé
Abstract: Sustainability transitions require societal change at multiple levels ranging from individual behavioral change to community projects, businesses that offer sustainable products as well as policy-makers that set suitable incentive structures. Concepts, methods and tools are currently lacking that help to initiate and design transition governance processes based upon an encompassing understanding of such diverse interactions of actors and intervention points. This article presents a methodological framework for the initiation and design of transition governance processes. Based upon a conceptualization of sustainability transitions as multilevel learning processes, the methodological framework includes participatory modeling, a systematic literature review and governance system analysis to identify social units (learning subjects and contexts), challenges (learning objects) and intervention points (learning factors) relevant for initiating case-specific transition governance processes. A case study on sustainable food systems in Ontario, Canada is provided to exemplify the application of the methodological framework. The results demonstrate the merit of combining stakeholder-based and expert-based methods, as several learning factors identified in the participatory process could not be found in the general literature, and vice versa. The methodological framework allowed for an integrated analysis of the diversity of existing initiatives in the case study region and specific intervention points to support place-based sustainability innovations. Initiators of transition governance processes can use the results by designing targeted interventions to facilitate and coordinate existing initiatives or by setting new impulses through purposeful action.
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 | 0,000 | 0,000 |
| 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 ».