Expanding the scope and roles of social sciences and humanities to support integrated ecosystem assessments and ecosystem-based management
Notice bibliographique
Résumé
Abstract Understanding social-ecological systems (SESs) is an important part of ecosystem-based management (EBM). One of the main decision support frameworks to develop scientific advice for EBM is integrated ecosystem assessments (IEAs). Human dimensions in SESs are primarily captured through indicators derived from three social sciences: economics, anthropology, and sociology. The breadth of social sciences and humanities (SSH) research is much greater than those three fields, but they are generally underused in natural science-based decision support processes such as IEAs. Greater contributions of SSHs can enhance IEAs through various direct (e.g. to develop indicators) and indirect ways (e.g. to establish and maintain ethical practices). We examine a wider range of SSH disciplines and conclude that scientific advice processes that inform EBM can benefit from broader integration of SSH theories and methods through themes of contextualizing, facilitating, communicating, evaluating, and anticipating. We see this an opportunity to both widen the vocabulary used to describe social scientists and those who work in humanities in IEAs, and apply the underlying worldviews used to conduct SSH research to fundamentally enhance the IEA process and to further progress in EBM.
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 | 0,112 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,007 |
| Études des sciences et des technologies | 0,008 | 0,018 |
| Communication savante | 0,019 | 0,025 |
| Science ouverte | 0,003 | 0,031 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».