"We need more data!" The politics of scientific information for water governance in the context of hydraulic fracturing.
Notice bibliographique
Résumé
Proposed and actual developments of hydraulic fracturing, as a high-volume water user, have proven contentious in recent years. However, one point of agreement has emerged amongst all actors with regards to water use and hydraulic fracturing: we need more data. This consensus fits with a longstanding reification of the role of data in water governance, and yet we argue it hides a politically contested terrain. Based on a literature review, an empirical Delphi study and a workshop with a diverse array of participants from across Canada, we explore the data needs related to water governance and hydraulic fracturing. We then investigate three areas of deficiency that point to a lack of trust and oversight as well as the exclusion of community and Indigenous knowledge. We argue that in an era of neoliberal approaches to water governance, issues of trust, accountability and transparency all link back to a diminished role for data management within existing water governance arrangements. The challenge is that simply collecting more data will not help decision-makers navigate the complexity of water governance. Our findings suggest a growing call by participants for greater engagement by governments in data collection and knowledge management, new funding mechanisms for data collection and rethinking how and what to monitor if including multiple ways of knowing and values.
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 | 0,142 | 0,191 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,021 | 0,087 |
| Communication savante | 0,030 | 0,035 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,012 | 0,020 |
| 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; 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 ».