MétaCan
Menu
Retour à la cohorte
Enregistrement W2947624704 · doi:10.4018/978-1-5225-7302-9.ch008

Challenges Turning Environment and Sustainability Science Into Policy

2019· book-chapter· en· W2947624704 sur OpenAlexaff
Catherine M. Dieleman, Chad Walker, David Pipher, Heather Peacock

Notice bibliographique

RevuePractice, progress, and proficiency in sustainability · 2019
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensWestern UniversityQueen's UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésSustainabilitySuitePolitical scienceSustainability scienceKey (lock)Public policyFace (sociological concept)Natural (archaeology)Engineering ethicsManagement sciencePublic relationsSocial sustainabilitySociologyEngineeringEcologyComputer scienceSocial scienceGeographyComputer security

Résumé

récupéré en direct d'OpenAlex

In theory, there is a strong, two-way relationship between sustainability research and public policy that functions in synchrony to identify, understand, and ultimately address ecological problems for the greater good of society. In reality, such a cooperative relationship is rarely found. Instead, researchers and policymakers face a suite of challenges that prevent effective communication and collaborative pursuits, prolonging the period required to address environmental issues. In this chapter, the authors apply a novel interdisciplinary approach to identify key barriers and solutions to translating research into policy. In doing so, the authors present two separate discussions focused on the natural and social sciences. The authors also review established research-to-policy frameworks to develop the new “cohesive” framework. By addressing key barriers between researchers and policymakers, society will be better able to respond to the various environmental stressors that it faces today.

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)0,019
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0060,028
Communication savante0,0240,032
Science ouverte0,0030,012
Intégrité de la recherche0,0150,022
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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 Opus0,016
Tête enseignante GPT0,298
Écart entre enseignants0,282 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePractice, progress, and proficiency in sustainabilityMême sujetSustainability and Climate Change GovernanceTravaux en français237 207