Evaluating deliberative participation from a social learning perspective: A case study of the 2012 National Energy Deliberative Polling in <scp>post‐Fukushima</scp> Japan
Notice bibliographique
Résumé
Abstract Nuclear power has remained a hugely controversial energy technology since the 1970s and became particularly so after the 2011 Fukushima nuclear accident. Engaging citizens in making energy decisions have thus become an increasingly important governing approach to post‐Fukushima energy transitions in many countries. Deliberative participatory processes and learning through social interactions have been increasingly regarded as critical elements of effective public engagement. Yet, little is known about who learns what, how they learn, and what impacts learning has on nuclear governance. Even less is known about the contextual factors influencing social learning. Advancing the literature on nuclear governance, deliberative participation, and social learning, this paper proposes a learning‐oriented framework to evaluate the outcomes of deliberative participation in the context of nuclear governance. We apply this framework in a case study of a national deliberative poll (DP) on energy conducted in Japan in 2012. We critically examine the extent to which and how social learning occurs under the influence of pre‐existing government‐industry‐society relations as a key contextual factor. Mainly based on a qualitative analysis of transcribed materials from a two‐day deliberation over the DP involving 285 citizens, this study has three main findings. First, participating citizens of the DP were able to acquire all of the three orders of social learning through deliberative processes in the DP process. Second, the provision of multiple sources of information, access to diverse perspectives, and the availability of plenty of dialogic processes are identified as factors that were found to facilitate advancement toward higher orders of learning. Third, the “nuclear iron triangle”—a pro‐nuclear coalition—appeared to constrain social learning impacts in the wider socio‐political systems of nuclear governance in Japan.
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 | 0,034 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,013 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,003 |
| 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 ».