Translating hydrology research into practice: A Canadian Perspective
Notice bibliographique
Résumé
Hydrology research is regarded as vital for advancing human development and environmental conservation through improved hydrological process understanding and by devising solutions to address water management challenges. This is particularly acute in a time of global change and the need to find pathways to water sustainability. Success for research in hydrology is often measured through quantitative research outputs, such as the number of journal publications, citation indices, number of students trained, patents, and external research funding. User involvement in the research and development process is rarely considered a metric for success in hydrology. Despite successful scientific or engineering advancements, a greater scientific understanding of hydrology and ever-increasing publications, much of the research has limited uptake by practitioners and implementation into practice, leading to a growing gap between research and practice. This lack of utilisation is not due to a lack of need by users, but rather is a symptom of the disconnect between these advances and research that would most add value to practitioners and their application needs. We explore some outstanding challenges in translating academic research into practice and make some recommendations to bridge the increasing gaps between research and practice through a transdisciplinary approach, user engagement metrics in funded research and strong knowledge mobilization. We also discuss the success and challenges of these approaches in the Global Water Futures program along with lessons learned.
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 | 0,067 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,011 | 0,019 |
| Études des sciences et des technologies | 0,026 | 0,049 |
| Communication savante | 0,039 | 0,019 |
| Science ouverte | 0,008 | 0,017 |
| Intégrité de la recherche | 0,012 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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.
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 ».