The Role of Stewards of Trust in Facilitating Trust in Science: A Multistakeholder View
Notice bibliographique
Résumé
Abstract Trust in science post-Covid appears to be a complex matter. On the one hand, the COVID-19 pandemic added value to the epistemic trustworthiness of scientific opinion and its potential to drive evidence-based policies, while it also spurred scientific distrust and societal polarization (e.g., vaccines), especially on social media. In this work we sought to understand the ways in which trust in science might be bolstered by adopting a multistakeholder perspective. This objective was achieved by considering stakeholders’ views on (a) how perceived key actors affect trust in science, and (b) what proposed actions can be taken by each actor identified. Data were collected using 16 focus groups and 10 individual interviews across different European contexts with general public (n = 66), journalists (n = 23) and scientists (n = 35), and were analysed using thematic analysis. Regarding how perceived key actors affect trust in science, participants viewed policymakers, media, scientific and social media actors as occupying a dual function (facilitators and hinderers of trust in science), and pointed to the value of multi-actor collaboration. Regarding what actions should be taken for enhancing trust in science, participants indicated the value of enhancing understanding of scientific integrity and practices, through science literacy and science communication, and also pointed to social media platform regulation. Implications stemming from the data are discussed, considering how multiple identified stewards of trust can contribute to an ecosystem of trust.
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 | 0,030 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,026 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».