MétaCan
Menu
Retour à la cohorte
Enregistrement W3174223238 · doi:10.3389/fmars.2021.662350

A Decade of Incorporating Social Sciences in the Integrated Marine Biosphere Research Project (IMBeR): Much Done, Much to Do?

2021· article· en· W3174223238 sur OpenAlexaff
Ingrid van Putten, Rachel Kelly, Rachel D. Cavanagh, Eugene J. Murphy, Annette Breckwoldt, Stephanie Brodie, Christopher Cvitanovic, Mark Dickey‐Collas, Lisa Maddison, Jess Melbourne-Thomas, Haritz Arrizabalaga, Kumiko Azetsu‐Scott, L.E. Beckley, R. Bellerby, Andrew Constable, Greg Cowie, Karen Evans, Marion Glaser, Julie Hall, Alistair J. Hobday, Nadine M. Johnston, Joel K. Llopiz, Franz J. Mueter, Frank Müller‐Karger, Kevin C. Weng, Dieter Wolf‐Gladrow, José C. Xavier

Notice bibliographique

RevueFrontiers in Marine Science · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInterdisciplinary Research and Collaboration
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans CanadaInstitute for Marine Biosciences
Organismes subventionnairesNatural Environment Research CouncilSight Research UKNational Science Foundation
Mots-clésBiosphereOceanographyEnvironmental resource managementEnvironmental scienceGeographyEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Successful management and mitigation of marine challenges depends on cooperation and knowledge sharing which often occurs across culturally diverse geographic regions. Global ocean science collaboration is therefore essential for developing global solutions. Building effective global research networks that can enable collaboration also need to ensure inter- and transdisciplinary research approaches to tackle complex marine socio-ecological challenges. To understand the contribution of interdisciplinary global research networks to solving these complex challenges, we use the Integrated Marine Biosphere Research (IMBeR) project as a case study. We investigated the diversity and characteristics of 1,827 scientists from 11 global regions who were attendees at different IMBeR global science engagement opportunities since 2009. We also determined the role of social science engagement in natural science based regional programmes (using key informants) and identified the potential for enhanced collaboration in the future. Event attendees were predominantly from western Europe, North America, and East Asia. But overall, in the global network, there was growing participation by females, students and early career researchers, and social scientists, thus assisting in moving toward interdisciplinarity in IMBeR research. The mainly natural science oriented regional programmes showed mixed success in engaging and collaborating with social scientists. This was mostly attributed to the largely natural science (i.e., biological, physical) goals and agendas of the programmes, and the lack of institutional support and push to initiate connections with social science. Recognising that social science research may not be relevant to all the aims and activities of all regional programmes, all researchers however, recognised the (potential) benefits of interdisciplinarity, which included broadening scientists’ understanding and perspectives, developing connections and interlinkages, and making science more useful. Pathways to achieve progress in regional programmes fell into four groups: specific funding, events to come together, within-programme-reflections, and social science champions. Future research programmes should have a strategic plan to be truly interdisciplinary, engaging natural and social sciences, as well as aiding early career professionals to actively engage in such programmes.

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)0,074
score de la tête « metaresearch » (Gemma)0,047
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: aucune
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil0,393

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0740,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0080,017
Communication savante0,0170,018
Science ouverte0,0030,034
Intégrité de la recherche0,0070,012
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,132
Tête enseignante GPT0,476
Écart entre enseignants0,343 · 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

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetInterdisciplinary Research and CollaborationTravaux en français237 207