Breaking the Walls of Complex Systems Change in Cities: A Service Ecosystems and Psychological Perspective
Notice bibliographique
Résumé
To meet the targets of the Paris Climate Agreement, municipalities must facilitate transformational change at a local level. From a city perspective, the climate crisis intersects with many other complex challenges; therefore, transformational change should be coordinated in a purposeful and holistic way for it to address multiple challenges effectively, and to improve the lives of all citizens. This necessitates a change in the mindsets of municipal leaders, along with a systemic way of approaching strategic management. This article leverages an interdisciplinary lens based on social systems theory, combining management, science, and psychology to derive conclusions for transformative action. The authors draw from their experience facilitating change within municipalities to illustrate key points. This article derives recommendations for policymakers and research recommendations based on the view of the city as a complex system. At an organizational level, cities need to develop strategies that represent the diversity of its citizens and integrates localized social, environmental, and economic goals. At an individual level, city leaders and staff need to develop three kinds of knowledge: system knowledge, transformation knowledge, and action-guiding visions. The diversity and complexity of challenges that must be overcome for cities to become sustainable, just, and resilient requires a shift in the mindsets of city leaders and other stakeholders as well as the transformation of strategic management practices. Currently, there is a lack of accessible and practical evidence-based solutions available to municipal leaders to support facilitating this change. The authors call for research and clear recommendations on how to work toward closing this gap.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».