Advancing Sustainable Development: Emerging Factors and Futures for the Engineering Field
Notice bibliographique
Résumé
This study set out to identify emerging trends in advancing engineering for sustainable development, supporting the engineering workforce to address wicked problems, and strengthening pathways between engineering education, industry, and policy. The following question guided this work: What are the emerging factors impacting the future of global sustainability efforts within engineering, and how can these be amplified to increase the impact of engineering for sustainable development? Using an adapted Delphi method with surveys, focus groups, and member-checking interviews, we hosted the American Society of Mechanical Engineers (ASME) 2022 Engineering Global Development (EGD) Stakeholder Summit. The summit convened industry leaders, innovators, and academics to explore emerging factors impacting the future of global sustainability efforts in engineering. This manuscript synthesizes emerging trends and proposes recommendations for engineering, particularly in the specific focus area of engineering for sustainable development (e.g., ‘humanitarian engineering’, ‘global engineering’). Critical recommendations include the adoption of emerging cultural mindsets, which include: (1) take an interdisciplinary and multi-stakeholder approach, (2) consider dynamic and interconnected systems, (3) increase humility and intercultural competence, (4) prioritize diversity and inclusion, (5) increase localization and center community perspectives, (6) challenge the perception that engineering is neutral, and (7) broaden the goals of engineering. Ultimately, this study highlights pathways forward for the broader engineering community to more effectively contribute to advancing the United Nations Sustainable Development Goals.
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 | 0,003 | 0,020 |
| 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 | 0,002 | 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 ».