Using a leverage points perspective to compare social-ecological systems: a case study on rural landscapes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A leverage points perspective recognises different levels of systemic depth, ranging from the relatively shallow levels of parameters and feedbacks to the deeper levels of system design and intent. Analysing a given social-ecological system for its characteristics across these four levels of systemic depth provides a useful diagnostic to better understand sustainability problems, and can complement other types of cause-and-effect systems modelling. Moreover, the structured comparison of multiple systems can highlight whether sustainability challenges in different systems have a similar origin (e.g. similar feedbacks or similar design). We used a leverage points perspective to systematically compare findings from three in-depth social-ecological case studies, which investigated rural landscapes in southeastern Australia, central Romania, and southwestern Ethiopia. Inductive coding of key findings documented in over 60 empirical publications was used to generate synthesis statements of key findings in the three case studies. Despite major socioeconomic and ecological differences, many synthesis statements applied to all three case studies. Major sustainability problems occurred at the design and intent levels. For example, at the intent level, all three rural landscapes were driven by goals and paradigms that mirrored a productivist green revolution discourse. Our paper thus highlights that there are underlying challenges for rural sustainability across the world, which appear to apply similarly across strongly contrasting socioeconomic contexts. Sustainability interventions should be mindful of such deep similarities in system characteristics. We conclude that a leverage points perspective could be used to compare many other types of social-ecological systems around the world.
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.
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 | 0,000 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle