MétaCan
Menu
Retour à la cohorte
Enregistrement W3092077789 · doi:10.1088/1748-9326/abbf14

Advancing a transformative social contract for the environmental sciences: From public engagement to justice

2020· article· en· W3092077789 sur OpenAlexafffund
Gwendolyn Blue, Debra J. Davidson

Notice bibliographique

RevueEnvironmental Research Letters · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAcknowledgementSocial contractTransformative learningEnvironmental justiceSociologyPolitical sciencePublic relationsEconomic JusticeEnvironmental ethicsPoliticsLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Taking as a starting point Jane Lubchenco’s call for a renewed social contract for environmental science, this paper advances a framework for science’s place in society in which justice is central. A social contract is a desired vision of social order that distributes rights, responsibilities, and obligations among political actors. The magnitude of global ecological change, our collective inability to address ecological crises, and populist challenges to science have renewed interest in debates about existing social contracts with science. While Lubchenco’s vision of a social contract focuses on practical ways to improve the engagement of scientists with decision-makers and citizens, we argue that to achieve the objectives laid out by Lubchenco, justice—encompassing representation, distribution, and recognition—must be at the core of science-society relations. A justice-centred social contract with science requires acknowledgement on the part of scientists, administrators, decision-makers, and citizens of the biases, inequalities and inequities contained within and advanced by academic institutions. Orienting science towards justice provides a starting point for a more diverse, inclusive, and equitable culture of publicly-funded research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,469
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0070,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,146
Tête enseignante GPT0,405
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207