MétaCan
Menu
Retour à la cohorte
Enregistrement W4389346477 · doi:10.1080/08941920.2023.2288668

Structural Power Dynamics in Polycentric Water Governance Networks

2023· article· en· W4389346477 sur OpenAlexafffund
Lisa McIlwain, Julia Baird, Claudia Baldwin, Gary J. Pickering, Catherine Manathunga

Notice bibliographique

RevueSociety & Natural Resources · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensBrock University
Organismes subventionnairesBrock UniversityCanada Research ChairsUniversity of the Sunshine Coast
Mots-clésCentralityCorporate governanceNetwork governanceResilience (materials science)Environmental governancePsychological resilienceSocial network analysisEnvironmental resource managementPower (physics)Collaborative governanceClosenessPolycentricitySociologyEnvironmental economicsEconomicsSocial scienceSocial psychologyPsychologyManagementSocial capital

Résumé

récupéré en direct d'OpenAlex

Water security is severely threatened by climate change. Building resilient catchments is key to reduce water insecurity, yet power dynamics that generate ineffective governance responses can hinder such resilience building. This research uses an Australian water governance process to study the power dynamics that underpin polycentric governance networks. Combining network theory and Lukes’ structural power concept is a novel methodology tested for its suitability to investigate structural power. We conducted a Social Network Analysis to identify dominant and marginalized stakeholders and validated the results with interview data. Our findings suggest that combining network theory and Lukes’ structural power concept is a useful methodology to identify power dynamics that manifest in polycentric governance structures. This research adds to the methodological foundations of power-related social network research and exemplifies how structural power dynamics, like control over information use, influence the effectiveness of polycentric governance processes and impact desired outcomes like catchment resilience.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,890

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,210
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSociety & Natural ResourcesMême sujetSustainability and Climate Change GovernanceTravaux en français237 207