Transformative foresight for diverse futures: the Seeds of Good Anthropocenes initiative
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Motivation Foresight methods are increasingly recognized as essential for decision‐making in complex environments, particularly within development and research settings. As foresight methods continue to gain prominence for decision‐making, their application in these settings grows. Funders and policy‐makers can benefit from the experience of transformative foresight practitioners and researchers who are skilled in designing novel ways to envision alternative and diverse development futures. Purpose The Seeds of Good Anthropocenes (SoGA) initiative has experimented with transformative foresight since its inception in 2016. We position SoGA within the framework of Minkkinen et al. (2019); we present its transformative capacity through participatory visioning; and we explore how foresight methods can shape strategic development options. Approach and methods We draw lessons from how SoGA, used extensively in various contexts around the world, has introduced experimental transformative foresight to deal with diversity and complexity. We describe the transformative foresight processes in detail. Findings SoGA exemplifies how transformative foresight can support policy and change initiatives by providing participants, planners, and decision‐makers with opportunities to reinforce the collaborative and transformative objectives of their policy and convening practices. Such engagement not only deepens the strategic impact of policies, it also encourages a more inclusive and participatory approach to policy development, aligning with broader goals for sustainable and impactful change.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle