MétaCan
Menu
Retour à la cohorte
Enregistrement W4247735380 · doi:10.32920/ryerson.14654571.v1

The science-policy interface in transboundary water management regimes: the case of Lake Victoria

2021· preprint· en· W4247735380 sur OpenAlexaff
Christina S. Cheng

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Biodiversity
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesGlobal Environment FacilityGreat Lakes Fishery CommissionU.S. Environmental Protection Agency
Mots-clésScience policyContext (archaeology)Divergence (linguistics)PositivismInterface (matter)PoliticsPolitical sciencePolicy developmentEnvironmental policyEnvironmental resource managementEnvironmental planningPublic administrationGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

The degree that science is integrated into environmental policy processes is dependent on the policymakers' perception of the role and utilization of science in policy development. Using existing literature and interviews with key individuals in North America and Uganda engaged in environmental policy development, this thesis argues that adopting a positivist approach to policy development strengthens the science-policy interface and can result in more effective policies. This interface is examined in the context of transboundary water management, and specifically in East Africa's Lake Victoria management regime. This paper illustrates how the relationship between science and policy is evolving in a difficult ecological, socio-economic and political setting, and how the tensions that exist are attempting to be resolved. It is observed that the science-policy divergence can be exacerbated in transboundary areas. This requires scientists and policymakers to be cognizant of these challenges, and to adopt tools to strengthen the interface for the development of effective transboundary water management regimes.

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)0,008
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,286
Score d'incertitude au seuil0,570

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0210,018
Communication savante0,0110,006
Science ouverte0,0010,011
Intégrité de la recherche0,0050,005
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 Opus0,012
Tête enseignante GPT0,238
Écart entre enseignants0,226 · 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'étudeQualitatif
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAquatic Ecosystems and BiodiversityTravaux en français237 207