Examining Distinctive Indicator Scopes Measuring Well-Being in Sustainable Development Assessment
Notice bibliographique
Résumé
The significance of acknowledging well-being (WB) has increased in local sustainable development (SD) assessment. Meanwhile, scholars and practitioners have paid growing attention to using subjective indicators which rely on a person’s subjective evaluation to measure SD subjects, due to the frequent critique. The predominant use of objective indicators to assess SD frequently overlooks capturing individual’s and community’s WB. Nevertheless, the scopes and functions of subjective indicators remain underexamined in the SD assessment context. Therefore, this study discusses the distinctive characteristics of subjective sustainable development indicators (SDIs), contrasting with objective SDIs, complemented by examining WB indicators. To this end, an analysis of the literature on indicator-based assessment of SD and WB at the community and local level was conducted. The findings highlighted that the three distinctive approaches of SDIs could optimally capture and address associated WB: the objective SDIs could most sufficiently capture and address material WB capture, which turned, however, the shortcoming that overlooks other dimensions of WB. In contrast, the expert-led subjective SDIs could optimally capture and address community’s social WB, whereby the outcomes reflected social norms and preferences recognised by a community and sustainability theories. Likewise, the citizen-based subjective SDIs distinctly measured individual’s life satisfaction levels, whereby the outcomes explicitly presented individual’s subjective WB while addressing local needs and values. This study finally suggests that the complementary use of the respective SDIs contributes to a thorough local-level SD assessment, by optimally addressing associated WB, which ultimately helps meet the current and future generations’ WB in achieving local SD.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».