Principles for scientists working at the river science‐policy interface
Notice bibliographique
Résumé
Abstract In the face of mounting environmental and political challenges in river management, accurate and timely scientific information is required to inform policy development and guide effective management of waterways. The Murray–Darling Basin is Australia's largest river system by area and is the subject of a heavily contested series of water reforms relying comprehensively on river science. River scientists have specialised knowledge that is an important input into evidence‐based decision‐making for the management of the Murray–Darling Basin, but despite extensive literature on the interface between science and policy, there is little guidance on achieving policy relevance for practicing scientists. Here, we provide a set of important discussion points for water scientists to consider when engaging with policy‐makers and environmental water managers. We place our considerations in the context of a broader literature discussing the role of natural‐resource scientists engaging with policy and management. We then discuss the different roles for river scientists when engaging in this space, and the advantages and pitfalls of each. We illustrate the breadth of modes of engagement at the science‐policy‐management interface using the Murray–Darling Basin as an example. We emphasise the need for effective governance arrangements and data practices to protect scientists from accusations of operating as advocates when working to inform management and policy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,400 | 0,270 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,030 | 0,155 |
| Communication savante | 0,054 | 0,046 |
| Science ouverte | 0,015 | 0,043 |
| Intégrité de la recherche | 0,081 | 0,076 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».