Disrupting the opportunity narrative: navigating transformation in times of uncertainty and crisis
Notice bibliographique
Résumé
COVID-19 posed threats for health and well-being directly, but it also revealed and exacerbated social-ecological inequalities, worsening hunger and poverty for millions. For those focused on transforming complex and problematic system dynamics, the question was whether such devastation could create a formative moment in which transformative change could become possible. Our study examines the experiences of change agents in six African countries engaged in efforts to create or support transformative change processes. To better understand the relationship between crisis, agency, and transformation, we explored how they navigated their changed conditions and the responses to COVID-19. We document three impacts: economic impacts, hunger, and gender-based violence and we examine how they (re)shaped the opportunity contexts for change. Finally, we identify four kinds of uncertainties that emerged as a result of policy responses, including uncertainty about the: (1) robustness of preparing a system to sustain a transformative trajectory, (2) sequencing and scaling of changes within and across systems, (3) hesitancy and exhaustion effects, and (4) long-term effects of surveillance, and we describe the associated change agent strategies. We suggest these uncertainties represent new theoretical ground for future transformations research. Supplementary Information: The online version contains supplementary material available at 10.1007/s11625-023-01340-1.
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 | 0,013 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,030 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,001 | 0,016 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».