Navigating the science policy interface: A co-created mind-map for early career researchers
Notice bibliographique
Résumé
The science-policy interface (SPI) is a complex space, in theory and practice, that sees the interaction of various actors and perspectives coming together to enable scientific knowledge to support decision-making. Early Career Researchers (ECRs) are increasingly interested in engaging with SPI, with the number of opportunities to do so increasing at national and international levels. However, there are still many challenges limiting ECRs participation, not least how such a complex space can be entered and navigated. While recommendations for engaging with SPI already exist, these do not always connect deeply enough with the context in which ECRs find themselves working. With the purpose of facilitating the engagement of ECRs working in biodiversity and ecosystem services in SPI, the authors have co-created a ‘mind-map’ - a navigational aid to help understand the landscape of and leverage access to SPI. This mind-map was developed through reviewing published literature, collating personal experiences of the ECR authors, and collecting perspectives in an ECR workshop during the 7th Plenary of the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services (IPBES). This co-created mind map sees ECR engagement in SPI as an interaction of three main factors: the environment of the ECR, which mediates their acts of engagement with SPI leading to outcomes that will ultimately have a reciprocal impact on the ECR’s environment.
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 | 0,017 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,014 |
| Communication savante | 0,021 | 0,021 |
| Science ouverte | 0,002 | 0,022 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».