Designing and evaluating analytic-deliberative engagement processes for natural resources management
Notice bibliographique
Résumé
The need to involve the public and stakeholders in decision-making around issues of technological complexity and conflicting values and knowledge systems is widely accepted in the field of natural resources management. Addressing both analysis and deliberation, analytic-deliberative processes are increasingly used for complex decision contexts. Yet, there remain significant disagreements about best practices for what constitutes a successful engagement process, be it analytic-deliberative, or otherwise. In response, theoretical frameworks and guidelines have been proposed to inform the design and evaluation of participatory engagement processes broadly. A common critique, however, is that the complexity and inflexibility of existing frameworks can make them inaccessible or impractical for natural resources managers and practitioners to use. Here, we propose a simple yet comprehensive framework for the design and evaluation of analytic-deliberative processes. We trial this framework in the context of an engagement process involving stakeholders and Indigenous peoples across the Canadian province of British Columbia on topics relating to forest carbon mitigation. Our recommendations highlight the importance of involving multiple actors, views and worldviews. We also emphasize the importance of inclusive deliberation that is based on the best available science, but also on other forms of expertise, including lay and traditional knowledge. Perhaps most importantly, our recommendations are consistent with others who call for opening-up analysis, deliberation and appraisal in participatory engagement. This means acknowledging that a one-size-fits-all solution does not always exist, but rather that plural and conditional policy options are often more advised in the context of complex environmental issues.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».