River co-learning arenas: principles and practices for transdisciplinary knowledge co-creation and multi-scalar (inter)action
Notice bibliographique
Résumé
This paper develops the methodological concept of river co-learning arenas (RCAs) and explores their potential to strengthen innovative grassroots river initiatives, enliven river commons, regenerate river ecologies, and foster greater socio-ecological justice. The integrity of river systems has been threatened in profound ways over the last century. Pollution, damming, canalisation, and water grabbing are some examples of pressures threatening the entwined lifeworlds of human and non-human communities that depend on riverine systems. Finding ways to reverse the trends of environmental degradation demands complex spatial-temporal, political, and institutional articulations across different levels of governance (from local to global) and among a plurality of actors who operate from diverse spheres of knowledge and systems of practice, and who have distinct capacities to affect decision-making. In this context, grassroots river initiatives worldwide use new multi-actor and multi-level dialogue arenas to develop proposals for river regeneration and promote social-ecological justice in opposition to dominant technocratic-hydraulic development strategies. This paper conceptualises these spaces of dialogue and action as RCAs and critically reflects on ways of organising and supporting RCAs while facilitating their cross-fertilisation in transdisciplinary practice. By integrating studies, debates, and theories from diverse disciplines, we generate multi-faceted insights and present cornerstones for the engagement with and/or enaction of RCAs. This encompasses five main themes central to RCAs: (1) River knowledge encounters and truth regimes, (2) transgressive co-learning, (3) confrontation and collaboration dynamics, (4) ongoing reflexivity, (5) transcultural knowledge assemblages and translocal bridging of rooted knowledge.
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 | 0,040 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,092 |
| Communication savante | 0,031 | 0,028 |
| Science ouverte | 0,006 | 0,031 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».