MétaCan
Menu
Retour à la cohorte
Enregistrement W3217616637 · doi:10.3390/land10121303

Methodological Challenges in Studying Trust in Natural Resources Management

2021· article· en· W3217616637 sur OpenAlexafffund
Antonia Sohns, Gordon M. Hickey, Jasper R. de Vries, Owen Temby

Notice bibliographique

RevueLand · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMcGill University
Mots-clésOperationalizationConceptualizationTerminologyKnowledge managementContext (archaeology)StakeholderNatural resource managementComputer scienceNatural resourcePublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

Trust has been identified as a central characteristic of successful natural resource management (NRM), particularly in the context of implementing participatory approaches to stakeholder engagement. Trust is, however, a multi-dimensional and multi-level concept that is known to evolve recursively through time, challenging efforts to empirically measure its impact on collaboration in different NRM settings. In this communication we identify some of the challenges associated with conceptualizing and operationalizing trust in NRM field research, and pay particular attention to the inter-relationships between the concepts of trust, perceived risk and control due to their multi-dimensional and interacting roles in inter-organizational collaboration. The challenge of studying trust begins with its conceptualization, which impacts the terminology being used, thereby affecting the subsequent operationalization of trust in survey and interview measures, and the interpretation of these measures by engaged stakeholders. Building from this understanding, we highlight some of the key methodological considerations, including how trust is being conceptualized and how the associated measures are being developed, deployed, and validated in order to facilitate cross-context and cross-level comparisons. Until these key methodological issues are overcome, the nuanced roles of trust in NRM will remain unclear.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,627
Score d'incertitude au seuil0,272

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)0,0000,000

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 Opus0,130
Tête enseignante GPT0,292
Écart entre enseignants0,162 · 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.

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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLandMême sujetMining and Resource ManagementTravaux en français237 207