MétaCan
Menu
Retour à la cohorte
Enregistrement W4362685999 · doi:10.5751/es-14061-280202

Understanding how governance emerges in social-ecological systems: insights from archetype analysis

2023· article· en· W4362685999 sur OpenAlexvenueno aff
Rimjhim Aggarwal, John M. Anderies

Notice bibliographique

RevueEcology and Society · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésArchetypeInterdependenceCorporate governanceEnvironmental governanceEcological systems theoryContext (archaeology)SociologyEcologyGeographySocial scienceEconomicsManagementBiology

Résumé

récupéré en direct d'OpenAlex

This paper is motivated by the question: how does governance emerge within social-ecological systems (SESs)? Addressing this question is critical for fostering sustainable transformations because it directs attention to the context specific and process intensive nature of governance as arising from the internal dynamics (i.e., interplay of feedbacks and interdependencies between the components) of SESs. This contrasts with the commonly held view of governance as an external intervention applied to a system. To systematically examine the recurrent patterns in how the internal dynamics promote/detract from the emergence of different types of governance, we applied archetype analysis to 60 selected cases of irrigation systems from Asia. Drawing inspiration from grid-group typology of cultural theory, we developed four specific archetypes: egalitarian, individualist, hierarchical, and fatalist. To build these archetypes, we applied a robustness framework and several other theories/perspectives to identify the different social-ecological and infrastructural attributes of irrigation SESs, and their interdependencies and feedback structures. We then used these attributes, identified through our theoretical review, to deductively code our selected cases and classify them into the different archetypes. The results show the different configurations of attributes that co-occur in each archetype, and how together these attributes and their inter-relationships lead to specific types of governance. Our archetype analysis also provides several interesting examples of fine-tuning between different SES attributes and how this fine-tuning is being threatened by various social and environmental changes. Through a systematic exploration of recurrent patterns using archetype analysis, our work builds on past efforts to apply ideas from complexity theory—specifically emergence—to unpack the complexities of SESs and offer practical guidance for fostering sustainability.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0020,010
Communication savante0,0040,008
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,076
Tête enseignante GPT0,298
Écart entre enseignants0,222 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207