Transdisciplinary sustainability research in real-world labs: success factors and methods for change
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The transdisciplinary research mode has gained prominence in the research on and for sustainability transformations. Yet, solution-oriented research addressing complex sustainability problems has become complex itself, with new transdisciplinary research formats being developed and tested for this purpose. Application of new formats offers learning potentials from experience. To this end, we accompanied fourteen research projects conceptualized as real-world labs (RwLs) from 2015 to 2018. RwLs were part of a funding program on ‘Science for Sustainability’ in the German federal state of Baden-Württemberg. Here, we combine conceptual and empirical work to a structured collection of experiences and provide a comprehensive account of RwLs. First, we outline characteristics of RwLs as transformation oriented, transdisciplinary research approach, using experiments, enabling learning and having a long-term orientation. Second, we outline eleven success factors and concrete design notes we gained through a survey of the 14 RwLs: (1) find the right balance between scientific and societal aims, (2) address the practitioners needs and restrictions, (3) make use of the experimentation concept, (4) actively communicate, (5) develop a ‘collaboration culture’, (6) be attached to concrete sites, (7) create lasting impact and transferability, (8) plan for sufficient time and financial means, (9) adaptability, (10) research-based learning, and (11) recognize dependency on external actors. Characteristics and success factors are combined to illustrate practical challenges in RwLs. Third, we show which methods could be used to cope with challenges in RwLs. We conclude discussing the state of debate on RwLs and outline future avenues of 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.
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 | 0,017 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle