Bridging the implementation gap: Designing a course of action with Michigan Public Advisory Councils
Notice bibliographique
Résumé
The Michigan Department of Environment, Great Lakes, and Energy (EGLE) enlisted the help of three past capstone program participants through the University of Michigan, School for Environment and Sustainability (SEAS). Between 2019 and 2020, graduate students researched how Michigan Public Advisory Councils (PACs) can maximize their effectiveness and stewardship impact within the Michigan Areas of Concern (AOC) program, a regulatory program established to restore polluted water systems within Michigan. Each capstone participant provided several recommendations to achieve these goals, but converting these recommendations into solutions for decision-makers and practitioners is challenging. To address this “implementation gap,” we collaborated with ten Michigan PACs and EGLE to translate these recommendations into implementation plans. We synthesized the 24 cumulative recommendations from the previous capstone participants into a shortlist of eight, which we used throughout an interview process. We divided this process into Phase I interviews with individual PAC members and Phase II community conversations with multiple PAC members to identify each PAC's priority objectives and workshop their implementation. We analyzed interviews both as individual PACs and as a state-wide program using three main codes: progress, interest, and readiness, as well as an auto-coding process to check our work. These analyses showed that PAC members felt they had made the most progress toward recommendations related to PAC structure, community education, and partner organizations. While PAC members varied in their interview responses, most expressed interest in implementing recommendations where there was the greatest opportunity for progress: community education, life after delisting, and PAC recruitment.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».