Equitable infrastructure: Achieving resilient systems and restorative justice through policy and research innovation
Notice bibliographique
Résumé
Recent major investments in infrastructure in the United States and globally present a crucial opportunity to embed equity within the heart of resilient infrastructure decision-making. Yet there is a notable absence of frameworks within the engineering and scientific fields for integrating equity into planning, design, and maintenance of infrastructure. Additionally, whole-of-government approaches to infrastructure, including the Justice40 Initiative, mimic elements of process management that support exploitative rather than exploratory innovation. These and other policies risk creating innovation traps that limit analytical and engineering advances necessary to prioritize equity in decision-making, identification and disruption of mechanisms that cause or contribute to inequities, and remediation of historic harms. Here, we propose a three-tiered framework toward equitable and resilient infrastructure through restorative justice, incremental policy innovation, and exploratory research innovation. This framework aims to ensure equitable access and benefits of infrastructure, minimize risk disparities, and embrace restorative justice to repair historical and systemic inequities. We outline incremental policy innovation and exploratory research action items to address and mitigate risk disparities, emphasizing the need for community-engaged research and the development of equity metrics. Among other action items, we recommend a certification system-referred to as Social, Environmental, and Economic Development (SEED)-to train infrastructure engineers and planners and ensure attentiveness to gaps that exist within and dynamically interact across each tier of the proposed framework. Through the framework and proposed actions, we advocate for a transformative vision for equitable infrastructure that emphasizes the interconnectedness of social, environmental, and technical dimensions in infrastructure planning, design, and maintenance.
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 | 0,073 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,047 |
| Communication savante | 0,026 | 0,037 |
| Science ouverte | 0,006 | 0,032 |
| Intégrité de la recherche | 0,014 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».