Technological Change and Techno-Social Systems: Re-Examining Sustainable Development and Digitalisation in Africa
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
This article argues that understanding currently dominant technological change models in low-and-middle income countries is important to addressing challenges to sustainable development with enhanced knowledge and effective policies. Combining such understanding with using systems thinking, as a theoretical framework, helps in illuminating techno-social systems and their overlaps with economic and human development systems, therefore highlighting possible leverage points for interventions to usher technological change towards sustainable development objectives. The proposed conceptual synthesis between technological change models and systems thinking is then critically applied to case studies related to digitalisation in Africa, where challenges to sustainability are amplified by continuous pressure for technological advancement, making local capabilities a central issue. The case studies examine how continental digitalisation indicators are ahead of industrialisation and human development indicators, with similar issues in digitalising agri-food ecosystems. We show that, while Africa is currently increasing in digitalisation, correlations between digitalisation and sustainable development are not as direct, or necessarily positive, as initially assumed. Similar trends are seen in digitalisation and agri-food ecosystems, where farm-raised data is monetised off-farm, thus removing opportunities for farmers to realise return on their knowledge investment. Examining the cases, using the proposed synthesis approach, reveals that digitalisation can contribute to development indicators when coupled with enhancing employment in productive sectors and that the prevailing order of ‘technology-push, demand-pull’ models suggests more investment in technological improvement. The article contributes to theory by illuminating overlaps between two theoretical/conceptual areas and to praxis by informing alternative policy directions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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