MétaCan
Menu
Retour à la cohorte
Enregistrement W3215423233 · doi:10.1139/facets-2020-0090

Ecosystem services decision support tools: exploring the implementation gap in Canada

2021· article· en· W3215423233 sur OpenAlexaffvenueabout
G. L. Kerr, Jennifer M. Holzer, Julia Baird, Gordon M. Hickey

Notice bibliographique

RevueFACETS · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensBrock UniversityMcGill UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDocumentationMandateGovernment (linguistics)Context (archaeology)Ecosystem servicesConceptual frameworkBusinessKnowledge managementDependency (UML)Process managementTask (project management)Service (business)Public relationsEnvironmental resource managementPolitical scienceEcosystemComputer scienceMarketingManagementSociologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

This paper explores the degree to which the ecosystem services (ES) concept and related tools have been integrated and implemented within the Canadian government context at both the provincial/territorial and federal levels. The research goals of the study were to qualitatively assess the extent to which ES assessment is being integrated at different levels of government, consider the barriers to implementation, and draw lessons from the development and use of Canada’s Ecosystem Services Toolkit: Completing and Using Ecosystem Service Assessment for Decision-Making—An Interdisciplinary Toolkit for Managers and Analysts (2017), jointly developed by a federal, provincial, and territorial government task force. Primary data were collected through targeted semi-structured interviews with key informants combined with a content analysis of ES-related documentation from government websites. Results indicate that while the term ES is found in documentation across different levels of government, there appears to be an ES implementation gap. Issues of conceptual understanding, path dependency, a lack of regulatory mandate, lost staff expertise, and competition with overlapping conceptual approaches were identified as barriers to ES uptake. Areas requiring further policy and research attention are identified.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,311
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,248
Écart entre enseignants0,216 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetLand Use and Ecosystem ServicesTravaux en français237 207