Assessing inter-organizational collaboration within the transboundary network governing the conservation of Southern Resident Killer Whales
Notice bibliographique
Résumé
The Southern Resident Killer Whale (SRKW) is an endangered and charismatic species whose home range spans the Salish Sea, an ecosystem that extends across the Canada-US border. Conserving and recovering the SRKW represents a high-profile transboundary governance challenge that depends heavily on collaboration between a wide range of organizations. To better understand the factors affecting transboundary SRKW governance in the Salish Sea, this study applies a multi-dimensional trust, control, perceived risk framework to assess the inter-organizational architecture supporting collaboration. The analysis is based on key informant interviews (n=32) and surveys (n=35) conducted with policy actors working for different organizations involved with SRKW conservation and recovery in Canada and the US. Findings suggest that the SRKW governance network relies heavily on personal relationships and social control mechanisms while being fragmented by jurisdiction, social expectations, unclear communication channels, and competition for resources, requiring careful network management attention. Opportunities for integrating additional trust-building activities and social control mechanisms, combined with inclusive deliberative processes are identified. • Describes the transboundary governance network managing the endangered SRKW. • Assesses different dimensions of inter-organizational trust, risk perception and control. • Network is fragmented, with unclear communication channels and competition for resources. • The pre-collaborative environment needs greater bi-national Canada-USA policy attention. • Potential control mechanisms to enhance SRKW collaborative governance are identified.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».