Enablers, barriers, and future considerations for living lab effectiveness in environmental and agricultural sustainability transitions: a review of studies evaluating living labs
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.
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 | 0,060 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».