Transdisciplinarity 101: Short-Term Training in Knowledge CoProduction to Face Global Environmental Change
Notice bibliographique
Résumé
The Belmont Forum and the Inter-American Institute for Global Change Research (IAI) organized an online training workshop on transdisciplinary (TD) approaches at the Sustainability, Research, and Innovation Congress (SRI) in 2022. The IAI is an intergovernmental organization that brings together 19 countries from the Americas to support adaptation to the world’s changing environment. The Belmont Forum is a consortium of major funders and international science councils to promote knowledge about sustainability science. The workshop aimed to create a safe environment for participants to share their impressions of and experiences about transdisciplinary research, using the Americas (IAI mandate) as a launching point for TD approaches globally. The workshop consisted of two online sessions: Transdisciplinary Approach 101 and Transdisciplinary Case Studies. The objectives of the current workshop report are: 1) to identify the key takeaways regarding common challenges and opportunities for transdisciplinary practice among workshop participants’ experiences, upon which to base recommendations for best practices, e.g., managing power imbalances, conflicting priorities and timeframes, enhancing communication and consolidating contextual awareness. 2) to offer insights to build better strategies for “train the trainers'' processes around transdisciplinarity, especially in congresses and short-term events, including using an experience-based approach, offering specific tools and increasing the participation of non-academic partners. This report encourages the implementation of other training processes by experienced transdisciplinary researchers, practitioners, and funders, in order to build capacities for collaborative approaches in diverse scientific communities.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 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 ».