From in-person to virtual engagement: Adaptations of a participative process for designing a marine litter public policy in Brazi
Notice bibliographique
Résumé
Marine litter is a transversal issue that affects the envi- ronment and society in a multitude of ways. As such, solutions to this problem are complex and demand the engagement of multiple sectors of society. The São Paulo Strategic Plan for Monitoring and Assessment of Marine Litter (PEMALM) is the first public policy of its kind, seeking to establish indicators and build knowledge to move towards a plan to combat marine litter in the most populous state in Brazil. From its inception, PEMALM has sought to establish a participative construction frame- work, involving key stakeholders at each step. When the Covid-19 pandemic struck, the participative construction process had to be adapted. Here we present and discuss the strategies applied in the participatory process of PEMALM to guarantee the remote engagement of stakeholders. Three participatory milestones were part of the final policy-making process: a first in-person workshop which gathered stakeholders in a single location, a series of in-person meetings in which the project team travelled to where the stake- holders are located, and, due to the Covid-19 pandemic, an entirely virtual workshop. Sector participation was found to be alike for online and on-site events, with higher participation of the public sector, followed by academia, NGOs and the private sector in both. The adjustments and the adaptive effort placed on the participatory process due to the Covid-19 pandemic, such as being dedicated and attentive to the needs of attendees, expanding the modes of interaction and promoting a flexible and light schedule to reduce online fatigue, guaranteed the quality of stakeholder engagement and participation. The positive accomplishments of the hybrid strategy used in building PEMALM as a public policy exemplifies ways to facilitate and broaden participation in the co-construction under mobility restrictions.
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 | 0,080 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,017 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,005 |
| 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 ».