On the individual and organizational capacities supporting impact assessment: the case of the Yukon Environmental and Socio-Economic Assessment Board
Notice bibliographique
Résumé
Impact assessment (IA) processes rely on the ability of assessment boards and their assessors to gather, synthesize, and interpret knowledge from a variety of sources, making IA a knowledge-based activity. IA boards in northern Canada operate in a context that prioritizes pluralism, where Indigenous knowledge is a key element of decision-making and the ability of practitioners to interact with knowledge—research capacity—affects process effectiveness, credibility, and legitimacy. Drawing on common principles from existing research capacity frameworks, we identify the dimensions of capacity most relevant to more fully realizing inclusive impact assessment processes. We then examine the Yukon Environmental and Socio-Economic Assessment Board (YESAB) as a specialized environmental governance organization with assessors whose research capacity directly impacts process outcomes. Results show that while common dimensions across knowledge-based disciplines, such as sufficient resources (e.g., financial support), are often addressed in the YESAB context, others unique to IA, like contextual understanding, require further examination. The interaction between individual and organizational research capacity is a complex balance between investing in individuals and investing in organizational supports. The proposed framework facilitates multi-scalar supports for individual assessors and assessment bodies alike to navigate balancing technical and value-driven knowledge in assessments.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,017 |
| Communication savante | 0,013 | 0,005 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».