Principles and Elements for Creating and Sustaining Successful PPP for Environmental Community Monitoring Programs: Results from a Scoping Review and Interviews
Notice bibliographique
Résumé
Introduction: Public–private partnerships (PPPs) can play a critical role in advancing our understanding of environmental exposures by maximizing cross-disciplinary expertise and resource-sharing among government, community, and industry researchers. However, experiences with PPPs associated with community environmental monitoring involving industry partners have not been well-documented. Goal: To build on existing literature combined with the expertise of practitioners from various sectors to identify overarching elements and specific principles necessary for creating and sustaining successful PPPs for community environmental monitoring. Methods: A scoping literature review and 24 semistructured interviews with diverse PPP stakeholders were conducted. Excerpts from the review were coded to successful/barrier elements. Interview transcripts were analyzed using content analysis. Results: Trust emerged as a foundational principle both in the literature review and in interviews. After trust is developed, three critical principles for successful PPPs are: a sound organizational structure with sufficient resources to maintain the PPP, clear and inclusive approaches to communication, and developing scientifically robust data as the basis for decision-making. Conclusions: Community interviewees realized the value of PPPs but engaged in them cautiously given power imbalances and prior negative experiences. Our analyses confirm that historic events and power imbalances affect trust and participation of community partners, and that trust-building is a continuous process requiring honesty, bidirectional communication, sustained presence, and acknowledgment of prior activities adversely impacting the environment. A centralized repository or a professional community society would facilitate the sharing of lessons learned. PPPs may benefit by including trained facilitators for equitable and participatory processes.
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 | 0,188 | 0,265 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,019 | 0,020 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».