MétaCan
Menu
Retour à la cohorte
Enregistrement W4319456554 · doi:10.58279/v1004

Finding (a theory of) Leverage for Systemic Change: A systemic design research agenda

2022· article· en· W4319456554 sur OpenAlexaff
Ryan Murphy

Notice bibliographique

RevueContexts – The Systemic Design Journal · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésLeverage (statistics)TypologyMetaphorBusinessComputer scienceGeographyArtificial intelligenceArchaeology

Résumé

récupéré en direct d'OpenAlex

To search for leverage is to use systemic design to find ways to accelerate progressive systemic change. The theory of leverage was first conceptualized by Donella Meadows with “Leverage Points: Places to Intervene in a System” in 1997. Yet while Meadows’s typology of leverage points is popular and influential, little has been done to critique or substantially advance her ideas since they were first published. As a result, we lack a modern theory of leverage. In this article, I relate systemic change to the search for leverage and outline why leverage matters. I present a brief overview of Meadows’s original work. Then, I synthesize the major contributions that have built on Meadows’s theory of leverage in the last 25 years. Next, I present a critique of Meadows’s original work, highlighting what we know about leverage and what we have yet to learn. This includes the development of a framework identifying how the degree of leverage relates to the acceleration of progressive (or retrograde) systemic change. Finally, I organize these ideas into a research agenda featuring four areas: dimensions of leverage, methods for leverage, strategy with leverage, and execution on leverage. Meadows wrote about the metaphor of “dancing with systems.” By advancing leverage theory, I believe we can better learn to “dance with systemic change.”

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,165
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1650,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,000
Communication savante0,0010,001
Science ouverte0,0060,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,670
Tête enseignante GPT0,484
Écart entre enseignants0,186 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContexts – The Systemic Design JournalMême sujetComplex Systems and Decision MakingTravaux en français237 207