Knowledge exchange at the interface of marine science and policy: A review of progress and research needs
Notice bibliographique
Résumé
The management of oceans and coasts needs to be informed by the best available knowledge. One way to support that is through interactive knowledge exchange (KE). Over the last decade, KE strategies have been shared with the marine research community, however, it is unclear whether this has led to recent (i.e., since 2015) progress. Through a systematic review of 60 recent academic articles applying or evaluating marine science-policy KE we synthesize trends in strategies, reasons for using a specific strategy, enablers, achievements, and evaluation. Most articles located were from North America, routinely included local actors or organizations, and spanned different governance levels. In addition to knowledge co-production and boundary organizations as well-established strategies, research networks and engaged funders coordinating and supporting science-policy KE played an increasing role. However, studies rarely provided reasons for why they adopted a specific KE approach within their given context. Achievements of KE are becoming more broadly understood and, among others, included the generation of new knowledge and impact on management or individuals. Factors that enable such achievements are a key area of progress in the literature. Individual case studies referred to the process level (e.g., practical collaboration, inclusive participation and equity, clear goals, continuity), interpersonal level (e.g., trust building, relationships, regular face-to-face contact), and individual level (e.g., skillsets, understanding, champions, facilitators). The measures to evaluate the effectiveness of KE were predominately qualitative (e.g., relevance of knowledge, use of knowledge in management, individual conceptual impacts, and level of engagement). It is increasingly understood what diversity of impacts to look for and unfold ways for more purposeful evaluation. In conclusion, much progress has been made in recent years, and we identify ten further research needs around the inclusivity, institutionalization, strategy selection, and efficiency of KE approaches to support evidence-informed ocean and coastal management.
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 | 0,021 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,015 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».