Beyond Indicators and Success Stories: An Emerging Method to Assess Social Learning in Large-Scale Transdisciplinary Research Programs
Notice bibliographique
Résumé
Facilitated learning approaches are increasingly being used as a means to enhance climate and sustainability collaborations working across disciplines, regions, and scales. With investments into promoting and supporting inter- and transdisciplinary learning in major programs on complex global challenges like climate change on the rise, scholars and practitioners are calling for a more grounded and empirical understanding of learning processes and their outcomes. Yet, methodologies for studying the interplay between learning and change in these initiatives remain scarce, owing to both the "hard to measure" nature of learning and the complexity of large-scale program implementation and evaluation. This paper proposes a new method for studying social learning in the context of large research programs. It aims to analyze the social learning of researchers and practitioners engaged in these programs and assess the contributions of this learning to the resilience of the natural and social systems that these programs seek to influence. We detail the theoretical basis for this new approach and set out six steps for developing multi-layered contribution pathways and contribution stories with stakeholders to document both the process and outcomes of social learning. The proposed method, we argue, can strengthen our analytical capacity to uncover the structural drivers and barriers to social learning that are often masked by the complexity of large-scale programs. An illustrative example, drawn from a large-scale climate adaptation research program, provides evidence on how this method might advance our methodological strategies for studying learning in these programs. We conclude by highlighting two key methodological contributions brought about through this approach, and by reflecting on opportunities for further methodological development. Enriching our understanding of learning and change processes, we argue, is an important avenue for understanding how we can pursue transformations for sustainability.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».