Cross‐Sector Partnerships to Address Societal Grand Challenges: Systematizing Differences in Scholarly Analysis
Notice bibliographique
Résumé
Abstract Research on how cross‐sector partnerships (CSPs) contribute toward addressing societal grand challenges (SGCs) has burgeoned, yet studies differ significantly in what scholars analyze and how. These differences matter as they influence the reported results. In the absence of a comprehensive framework to expose the analytical choices behind each study and their implications, this diversity challenges interpretation and consolidation of evidence upon which novel theory and practical interventions can be developed. In this study, we conduct a systematic review of scholarly analysis in CSP management studies to develop a framework that contextualizes the SGC‐related evidence and reveals scholars’ analytical choices and their implications. Conceptually, we advance the term ‘SGC interventions’ to illuminate the black box leading to SGC‐related effects, thus helping to differentiate between transformative versus mitigative interventions in scholars’ analytical focus. Moreover, the framework stresses the logical interplay between the framing of the SGC‐related problem and the reporting of the intervention's effects. Through this, we juxtapose what we call problem‐centric versus solution‐centric SGC analysis and so differentiate between their analytical purpose. We discuss the framework's implications for advancing an SGC perspective in scholarly analysis of CSPs and outline avenues for future research.
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 | 0,308 | 0,417 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,027 | 0,024 |
| Études des sciences et des technologies | 0,007 | 0,036 |
| Communication savante | 0,024 | 0,035 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».