Enablers, barriers, and future considerations for living lab effectiveness in environmental and agricultural sustainability transitions: a review of studies evaluating living labs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Living labs are promoted as an effective open innovation approach that accelerates the adoption of innovations. However, there remain knowledge gaps about factors that influence their effectiveness, success, and application to sustainability transitions. Through a scoping review on the evaluation of living labs, we identified 43 enablers and 37 barriers to effectiveness and success of living labs organised around the themes of governance, processes, features of living labs, characteristics of participants, adaptability, social dimensions, training and research, technology, and elements beyond the living lab (e.g. conditions for transition to the real world). Key enablers included strong collaborative and iterative processes with networks and partnerships, while key barriers included issues with supporting technology, the time and cost of collaboration, and challenges ensuring the longevity of living labs. We also reviewed study objectives, knowledge gaps, and future considerations to identify priorities for future research about living lab effectiveness and provide recommendations for their implementation. We recommend the development of frameworks for measuring and monitoring the success of living labs, and explore other considerations to promote their effectiveness based on the enablers and barriers identified. Lastly, we discuss how our findings on living lab effectiveness and success related to this special issue. This paper contributes to the body of research by our team (Beaudoin et al. Citation2022; Bronson, Devkota, and Nguyen Citation2021) that aims to explore living labs in the context of conservation, environmental, and agricultural sustainability to facilitate transformative social-ecological change.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle