Accessing and Mobilizing “New” Data to Evaluate Emerging Environmental Impacts on Semi-Aquatic Mammals
Notice bibliographique
Résumé
This paper describes how knowledge mobilization evolved during a study that assessed a proposed increase in industrial water withdrawals from the Athabasca River in northern Alberta, Canada, and potential impacts on a suite of freshwater semi-aquatic mammals in the broader ecosystem. The oil sands region in northeastern Alberta faces various pressures that require rapid knowledge mobilization and decision making, while still acknowledging ecological sensitivities immediately downstream in the Peace-Athabasca Delta (PAD) in the Wood Buffalo National Park. Data were acquired using a multi-faceted approach, including literature reviews, acquisition and synthesis of raw data, and interviews with local knowledge holders. The final outcome of the study was then contextualized relative to elements of knowledge mobilization: (1) research, (2) dissemination, (3) uptake, (4) implementation, and (5) impact. Knowledge mobilization was easiest to quantify for the first two elements, yet was still present in varying forms in the latter stages. The cultural importance of beavers, muskrats, river otters, and mink for communities associated with the Athabasca River and the PAD allowed for increased engagement during all stages of the research process, which then facilitated the co-production of potential solutions among different organization and perspectives.
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 | 0,026 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».