Guided transformations for communities facing social and ecological change
Notice bibliographique
Résumé
Communities and their surrounding landscapes are intricately interconnected. This is evident in the Intermountain West of the United States of America, where large cities sit within vast landscapes otherwise containing small rural communities with farm, forest, and rangeland. Climate change and other stresses increase the tensions along the gradient of urban to rural communities and landscapes, and theoretical frameworks are needed to conceptualize regime shifts within these social-ecological systems. We propose a framework called Guided Transformation (GT) that translates new knowledge into action by incorporating diverse perspectives and values that prioritize community and environmental well-being. Guided Transformation combines elements from social, ecological, and technological systems (SETS) theory, resilience theory, and sustainability transitions research. In this manuscript, we outline the GT framework and its relationship to related theory and literature, and we then provide three case studies that demonstrate the application of the GT framework. The first case study is in the upper Rio Grande watershed in New Mexico, where innovative governance strategies are addressing the challenge of wildfire and watershed protection. The second is in eastern Washington and the Yakima Basin, where drought drove innovation in the form of an integrated water management plan that is now helping to meet the needs of both farmers and fish in the basin. In the final case study, we discuss work on the Navajo Nation addressing food, energy, and water security and Indigenous sovereignty through solar greenhouse technology.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».