Engaging at the science-policy interface as an early-career researcher: experiences and perceptions in biodiversity and ecosystem services research
Notice bibliographique
Résumé
Effective knowledge exchange at science-policy interfaces (SPIs) can foster evidence-informed policy-making through the integration of a wide range of knowledge inputs. This is especially crucial for conservation and sustainable use of biodiversity and ecosystem services (ES), human well-being and sustainable development. Early-career researchers (ECRs) can contribute significantly to knowledge exchange at SPIs. Recognizing that, several capacity building programs focused on sustainability have been introduced recently. However, little is known about the experiences and perceptions of ECRs in relation to SPIs. Our study focused on SPI engagement of ECRs who conduct research on biodiversity and ES, as perceived and experienced. Specifically, we addressed ‘motivations’, ‘barriers’ and ‘opportunities and ‘benefits’. A total of 145 ECRs have completed the survey. Our results showed that ECRs were generally interested to engage in SPIs and believed it to be beneficial in terms of contributing to societal change, understanding policy processes and career development. Respondents perceived lack of understanding about involvement channels, engagement opportunities, funding, training, perceived credibility of ECRs by other actors and encouragement of senior colleagues as barriers to engaging in SPIs. Those who have already participated in SPIs generally saw fewer barriers and more opportunities. A key reason for dissatisfaction with experience in SPIs was a lack of impact and uptake of science-policy outputs by policymakers – an issue that likely extends beyond ECRs and implies the need for transformations in knowledge exchange within SPIs. In conclusion, based on insights from our survey, we outline several opportunities for increased and better facilitation of ECR engagement in SPIs.
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 | 0,031 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,011 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».