Toward science-informed public policy: A conceptual framework for contributing to and studying Great Lakes coastal shoreland management
Notice bibliographique
Résumé
Great Lakes coastal shorelands encompass valuable environmental and social resources. Most are privately owned. Governments play an important role in managing the use of those shorelands to ensure adequate conservation of the natural and social benefits they provide. Scientists have demonstrated that imprudent land uses are yielding significant ecological harms and increased risks to coastal shorelands, and yet those uses persist. Public coastal shoreland management appears to be poorly informed by the best available science. In addition to generating good science, scientists are themselves members of the public well-positioned to contribute to improved coastal shoreland management. Two prominent proposals for doing so include calls for scientists, first, to better communicate their knowledge through direct engagement with decision-makers (‘contributing to’) and second, to co-produce the knowledge that decision-makers require by participating in multi-disciplinary, community-engaged research (‘studying’). For either endeavor, scientists need to understand public coastal shoreland management processes to engage effectively with them. Drawing from multiple literatures, this paper presents a conceptual framework to assist scientists working to contextualize and more effectively convey the knowledge they have, or to engage in research designed to co-produce knowledge, in order to better promote science-informed public coastal shoreland management. The framework is set within the institutional arrangements that structure coastal management processes, and it highlights the ways in which key decision-maker attributes—their collective knowledge, capacities, and commitments—influence decision-making actions and outputs. While situated specifically within the context of coastal management, the framework is adaptable to other policy arenas more broadly.
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 | 0,059 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,015 | 0,108 |
| Communication savante | 0,031 | 0,029 |
| Science ouverte | 0,008 | 0,020 |
| Intégrité de la recherche | 0,021 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».