An optimistic outlook on the use of evidence syntheses to inform environmental decision‐making
Notice bibliographique
Résumé
Abstract Practitioners and policymakers working in environmental arenas make decisions that can have large impacts on ecosystems. Basing such decisions on high‐quality evidence about the effectiveness of different interventions can often maximize the success of policy and management. Accordingly, it is vital to understand how environmental professionals working at the science‐policy interface view and use different types of evidence, including evidence syntheses that collate and summarize available knowledge on a specific topic to save time for decision‐makers. We interviewed 84 senior environmental professionals in Canada working at the science‐policy interface to explore their confidence in, and use of, evidence syntheses within their organizations. Interviewees value evidence syntheses because they increase confidence in decision‐making, particularly for high‐profile or risky decisions. Despite this enthusiasm, the apparent lack of available syntheses for many environmental issues means that use can be limited and tends to be opportunistic. Our research suggests that if relevant, high quality evidence syntheses exist, they are likely to be used and embraced in decision‐making spheres. Therefore, efforts to increase capacity for conducting evidence syntheses within government agencies and/or funding such activities by external bodies have the potential to enable evidence‐based decision‐making.
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 | 0,764 | 0,812 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,023 | 0,012 |
| Études des sciences et des technologies | 0,005 | 0,038 |
| Communication savante | 0,042 | 0,043 |
| Science ouverte | 0,011 | 0,018 |
| Intégrité de la recherche | 0,023 | 0,032 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».