MétaCan
Menu
Retour à la cohorte
Enregistrement W3119619653 · doi:10.1007/s11625-020-00886-8

Transdisciplinary sustainability research in real-world labs: success factors and methods for change

2021· article· en· W3119619653 sur OpenAlexaff
Matthias Bergmann, Niko Schäpke, Oskar Marg, Franziska Stelzer, Daniel J. Lang, Michael Bossert, Marius Gantert, Elke Häußler, E Marquardt, Felix M. Piontek, Thomas Potthast, Regina Rhodius, Matthias Rudolph, Michael Ruddat, Andreas Seebacher, Nico Sußmann

Notice bibliographique

RevueSustainability Science · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensConcordia University
Organismes subventionnairesMinisterium für Wissenschaft, Forschung und Kunst Baden-Württemberg
Mots-clésSustainabilityTransferabilityAdaptabilityEngineering ethicsPlan (archaeology)Sustainability scienceManagement scienceSociologyKnowledge managementComputer scienceProcess managementPublic relationsPolitical scienceBusinessSocial sustainabilityEngineeringManagement

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,115
score de la tête « metaresearch » (Gemma)0,201
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,611

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1150,201
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0050,013
Communication savante0,0140,011
Science ouverte0,0030,012
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,140
Tête enseignante GPT0,469
Écart entre enseignants0,329 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations235
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability ScienceMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207