Joining collective impact and community science: a framework for core collaborative community science
Notice bibliographique
Résumé
We propose the core collaborative community science framework, an original conceptual framework that integrates and modifies best practices from community science and collective impact groups to support investigations of environmental health and justice. The core collaborative community science framework differs from more typical frameworks for community science, which often frame projects as static and either scientist or community led; these framings can limit the potential for co-production and action-oriented models of science. Frameworks are lacking to help community science collaborators determine the contributions and leadership needed to initiate, sustain, and link together multiple projects that jointly support local learning and action, as well as contribute to broader scientific knowledge of complex social-ecological systems. The core collaborative community science framework offers three main innovations and contributions: (1) It invests in a core collaborative group structure, designed to increase community capacity and resilience through an expanded network of partners dedicated to the reduction of systematic inequities and injustices; (2) It seeds and supports multiple, diverse research projects implemented across complex social-ecological systems, focusing first on community-identified needs, and then on the questions community science can help answer; and (3) It facilitates dynamic shared responsibilities and leadership for partners from community, research, and government institutions, recognizing the need for shared contributions at all project phases. We offer examples from the Green Duwamish Learning Landscape in Washington, USA to show how project partners have coordinated their work focused on social, ecological, and human health and navigated challenges related to funding, staffing, and governance. We share insights on how to help integrate community science within the social fabric of communities, especially those faced with environmental health and justice challenges.
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 | 0,053 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,012 | 0,054 |
| Communication savante | 0,020 | 0,019 |
| Science ouverte | 0,008 | 0,020 |
| Intégrité de la recherche | 0,010 | 0,009 |
| 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 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 ».