MétaCan
Menu
Retour à la cohorte
Enregistrement W4308932224 · doi:10.1007/s42532-022-00132-8

Advancing the scholarship and practice of stakeholder engagement in working landscapes: a co-produced research agenda

2022· review· en· W4308932224 sur OpenAlexaff
Weston M. Eaton, Morey Burnham, Tahnee Robertson, J. Gordon Arbuckle, Kathryn J. Brasier, Mark E. Burbach, Sarah P. Church, Georgia Hart-Fredeluces, Douglas B. Jackson‐Smith, Grace Wildermuth, Katherine Canfield, S. Carolina Córdova, Casey D. Chatelain, Lara Fowler, Mennatullah Mohamed Zein elAbdeen Hendawy, Christine Kirchhoff, Marisa K. Manheim, Rubén O. Martínez, Anne Mook, C. Mullin, A. Laurie Murrah-Hanson, Christiana O. Onabola, Lauren E. Parker, Elizabeth A. Redd, Chelsea Schelly, Michael Schoon, W. Adam Sigler, Emily Smit, Tiff van Huysen, Michelle R. Worosz, Carrie Eberly, Andi Rogers

Notice bibliographique

RevueSocio-Ecological Practice Research · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensUniversity of TorontoUniversity of Northern British Columbia
Organismes subventionnairesHaub School of Environment and Natural Resources, University of WyomingNational Institute of Food and AgricultureEngineering and Physical Sciences Research CouncilUniversity of WyomingU.S. Department of Agriculture
Mots-clésStakeholder engagementStakeholderPublic engagementScholarshipEngaged scholarshipCommunity engagementPublic relationsEngineering ethicsInclusion (mineral)SociologyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Participatory approaches to science and decision making, including stakeholder engagement, are increasingly common for managing complex socio-ecological challenges in working landscapes. However, critical questions about stakeholder engagement in this space remain. These include normative, political, and ethical questions concerning who participates, who benefits and loses, what good can be accomplished, and for what, whom, and by who. First, opportunities for addressing justice, equity, diversity, and inclusion interests through engagement, while implied in key conceptual frameworks, remain underexplored in scholarly work and collaborative practice alike. A second line of inquiry relates to research-practice gaps. While both the practice of doing engagement work and scholarly research on the efficacy of engagement is on the rise, there is little concerted interplay among 'on-the-ground' practitioners and scholarly researchers. This means scientific research often misses or ignores insight grounded in practical and experiential knowledge, while practitioners are disconnected from potentially useful scientific research on stakeholder engagement. A third set of questions concerns gaps in empirical understanding of the efficacy of engagement processes and includes inquiry into how different engagement contexts and process features affect a range of behavioral, cognitive, and decision-making outcomes. Because of these gaps, a cohesive and actionable research agenda for stakeholder engagement research and practice in working landscapes remains elusive. In this review article, we present a co-produced research agenda for stakeholder engagement in working landscapes. The co-production process involved professionally facilitated and iterative dialogue among a diverse and international group of over 160 scholars and practitioners through a yearlong virtual workshop series. The resulting research agenda is organized under six cross-cutting themes: (1) Justice, Equity, Diversity, and Inclusion; (2) Ethics; (3) Research and Practice; (4) Context; (5) Process; and (6) Outcomes and Measurement. This research agenda identifies critical research needs and opportunities relevant for researchers, practitioners, and policymakers alike. We argue that addressing these research opportunities is necessary to advance knowledge and practice of stakeholder engagement and to support more just and effective engagement processes in working landscapes. Supplementary Information: The online version contains supplementary material available at 10.1007/s42532-022-00132-8.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,076
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,403

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0760,074
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0070,010
Études des sciences et des technologies0,0050,026
Communication savante0,0250,030
Science ouverte0,0050,027
Intégrité de la recherche0,0110,012
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,611
Tête enseignante GPT0,540
Écart entre enseignants0,071 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocio-Ecological Practice ResearchMême sujetSustainability and Climate Change GovernanceTravaux en français237 207