Ohallenges and opportunities when implementing strategic foresight: lessons learned when engaging stakeholders in climate-ecological research
Notice bibliographique
Résumé
Ecosystems are currently experiencing rapid changes. Decision-makers need to anticipate future changes or challenges that will emerge in order to implement both short-term actions and long-term strategies for reducing undesirable impacts. Strategic foresight has been proposed to help resolve these challenges for better planning and decision-making in an uncertain future. This structured process scrutinizes the options in an uncertain future. By exploring multiple possible futures, this process can offer insights into the nature of potential changes, and thereby to better anticipate future changes and their impacts. This process is performed in close partnership with multiple actors in order to collect broader perspectives about potential futures. Through a large research initiative, we applied the strategic foresight protocol to a set of different case studies, allowing us as academic ecologists to reflect on the circumstances that may be influential for the success of this approach. Here, we present what worked and what did not, along with our perception of the underlying reasons. We highlight that the success of such an endeavour depends on the willingness of the people involved, and that building social capital among all participants involved directly from the start is essential for building the trust needed to ensure an effective functioning among social groups with different interests 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 | 0,362 | 0,357 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,025 | 0,048 |
| Communication savante | 0,037 | 0,065 |
| Science ouverte | 0,006 | 0,036 |
| Intégrité de la recherche | 0,014 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; 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 ».