Implementing EDI across a large formal research network: Contributing to equitable and sustainable water solutions for a changing climate
Notice bibliographique
Résumé
Increasingly, large transdisciplinary research networks focusing on pressing global problems are being encouraged through research investment strategies. One of the challenges is understanding how inequities in these networks shape scientific practice in environmental research. While granting agencies in Canada frequently require some equity metrics, these tend to focus on four specific equity-deserving groups. It is argued that this does not go far enough. Global Water Futures, a large cold region water research network, introduced an EDI strategy and implementation framework in 2021. The process began with a critical review of the literature, consultations within the network, and a desire to translate cutting-edge EDI knowledge and practices into a form that could be operationalized. Embedded in the approach is an intersectional lens that considers how power structures differentially impact people based on race, gender, 2SLGBTQIA+ identity, disability, and more. The implementation framework gives structure to EDI to further the program’s transdisciplinary research commitments and as a transformative set of actions to support new ways of working that challenge power dynamics in water research. Towards effective EDI, the strategy considers institutional relationships, research impact, and knowledge mobilization. Other natural resource sectors and environmental organizations working to integrate the UN Sustainable Development Goals laterally may be able to learn from this process to frame and implement EDI towards more inclusive water research. Given the climate emergency, working together towards sustainable and equitable solutions is critical, disrupting hegemonic research norms and engaging diverse voices and knowledge systems.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Science ouverte Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | low |
| gpt | MétarechercheÉtudes des sciences et des technologies Domaine: Incitatifs · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | medium |
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 | 0,239 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,021 | 0,028 |
| Communication savante | 0,024 | 0,029 |
| Science ouverte | 0,008 | 0,065 |
| Intégrité de la recherche | 0,009 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».