Multi-level participation in integrative, systemic planning: The case of climate adaptation in Ghana
Notice bibliographique
Résumé
Adaptation to climate change is impacted by a range of interrelated processes operating from local to global levels. There are often significant disconnects between different people's perceptions of responsibilities, capabilities and motivations, and divergent understandings of how the system works across actors, sectors and levels of governance. This results in misalignments of policies and practices, plus ineffective flows of resources and knowledge across the network of climate adaptation actors. As these disconnects are rooted in deep misunderstandings of the grounded realities of different actors, an experiential process of mutual discovery is required to build shared understanding and mutual respect. While it is common in the literature for people to talk about multi-level governance, most existing planning processes involve the production of separate plans at each individual level, based on the often-mistaken assumption that they will aggregate into an effective multi-level approach. This paper presents a new, multi-level integrated planning and implementation (MIPI) process, bringing together diverse actors from community, district, regional and national levels in the same workshop. The MIPI process creates a safe space that allows participants to interact directly in conducting systemic, cross-level analyses, as well as the multi-level integration of policies, plans and programs. The paper describes how the MIPI process was designed and facilitated in Ghana to address climate change, agricultural development and food security. This methodology has potential for much broader applicability to complex, multi-level planning and implementation 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 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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».