Advancing Pluralism in Impact Assessment Through Research Capacity: Lessons from the Yukon Territory, Canada
Notice bibliographique
Résumé
Impact assessment (IA) involves complex interactions among societal actors with diverse knowledge systems and worldviews (ontological pluralism) that ideally combine to both define and support societal goals, such as sustainable development. An often acknowledged but rarely explored concept in these efforts is research capacity — the ability of a group to engage, produce, maintain and use knowledge — and associated implications for pluralistic process outcomes. This paper presents an embedded case study of the IA policy network in the Yukon Territory, Canada, to explore the various roles of research capacity in a well-established IA process where Indigenous and public representation are guaranteed, as is financial support for boundary spanning and knowledge brokering roles to support pluralism. Using Rapid Policy Network Mapping, we examine the formal and informal connections amongst IA policy actors and identify sources and flows of knowledge throughout the network. Results indicate that while research capacity is critical to well-functioning IA processes in the Yukon Territory, the ability of the IA policy network to source, disseminate and engage new knowledge is limited. Important boundary spanning ‘choke points’ can act as both facilitators and barriers, based on the capacity of the knowledge brokers occupying these spaces. The findings inform policy efforts to ensure inclusion and advance pluralism in IA processes.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,020 | 0,011 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».