On “success” in applied environmental research — What is it, how can it be achieved, and how does one know when it has been achieved?
Notice bibliographique
Résumé
Environmental decision-makers and practitioners need and deserve high-quality environmental evidence for effective decision-making. We collate and share a suite of best practices for applied environmental researchers to support their capacity to inform such decision-making processes. This raises a number of important questions: What does “relevant” and informative evidence look like? How do we know when evidence has been applied? We assembled an experienced team of knowledge generators and users in Canada to identify insights that have emerged from their work and that could serve as guideposts for others who seek to apply environmental research to policy challenges. By reflecting on successes and failures, we define “success” in applied environmental science as respectfully conducted, partner-relevant research that is accessible, understandable, and shared and that can create opportunities for change (e.g., in policy, behaviour, management). Next, we generated a list of best practices for delivering “successful” applied environmental research. Our guidance emphasizes the importance of engaging early and often, in a respectful manner, with partners, generating high-quality, relevant research (which requires flexibility), having a plan for communicating and sharing outputs, and being transparent about uncertainties and limitations. Other important considerations include acknowledging partners for involvement and training early career researchers in applied partnership research. Finally, we generated a list of specific, measurable indicators for evaluating success, including quality and quantity of scientific outputs, the relationship with the partner(s), relevance and connectedness of the research, accessibility and availability of outputs to users, provision of outputs that are digestible and usable by different audiences, training and capacity building, and ultimate outcomes (e.g., including social, environmental, and economic outcomes, as well as partner satisfaction). We encourage those embarking on applied environmental research to consider embracing the strategies, to continuously reflect on progress toward shared research goals, and to be flexible. Doing so will increase the likelihood of delivering research that is “successful” and in doing so contribute to overcoming and addressing environmental issues and problems.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».