MétaCan
Menu
Retour à la cohorte
Enregistrement W3201014529 · doi:10.1007/s10755-021-09572-8

Higher Education Institution–Community Partnerships: Measuring the Performance of Sustainability Science Initiatives

2021· article· en· W3201014529 sur OpenAlexafffundabout
Ryan Plummer, Samantha Witkowski, Amanda Smits, Gillian Dale

Notice bibliographique

RevueInnovative Higher Education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSustainability in Higher Education
Établissements canadiensBrock University
Organismes subventionnairesBrock University
Mots-clésSustainabilityAccountabilityHigher educationStewardship (theology)General partnershipExcellenceTransparency (behavior)Corporate governanceSustainability scienceInstitutionPolitical scienceEnvironmental stewardshipPublic relationsSociologyBusinessSustainability organizationsEnvironmental resource managementEconomicsPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract The enterprise of sustainability science extends beyond the academy to address pressing environmental issues through collaboration. It coincides with trends in higher education institutions (HEIs) towards an expanded mission for addressing societal challenges as well as greater accountability. In this paper, we aim to establish an instrument for assessing the performance of sustainability science initiatives in HEIs. The performance of three HEI–community partnerships for sustainability science in Ontario, Canada (the Brock-Lincoln Living Lab, the Excellence in Environmental Stewardship Initiative, and Niagara Adapts) were examined using the HEI–Community Partnership Performance Index (HCPPI). Our preliminary results suggest that the HCPPI is a reliable, valid, and easy-to-administer tool for accurately assessing the performance of HEI–community partnerships for sustainability science. Incorporating systemic performance assessments into HEI–community partnerships promotes accountability, transparency, and continuous improvement. It also serves as a vital feedback mechanism by fostering reflection, adaptation, and learning—critical components to sustainability science.

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)0,023
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,048
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0010,007
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,401
Écart entre enseignants0,307 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations16
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInnovative Higher EducationMême sujetSustainability in Higher EducationTravaux en français237 207