MétaCan
Menu
Retour à la cohorte
Enregistrement W4404588694 · doi:10.5751/es-15534-290423

Convergence research as transdisciplinary knowledge coproduction within cases of effective collaborative governance of social-ecological systems

2024· article· en· W4404588694 sur OpenAlexvenueno aff
Candice Carr Kelman, Jaishri Srinivasan, Theresa Lorenzo Bajaj, Aireona Bonnie Raschke, R. Nana Brown-Wood, Elke Kellner, Minwoo Ahn, Rebecca Kariuki, Michael Simeone, Michael Schoon

Notice bibliographique

RevueEcology and Society · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueUniversity-Industry-Government Innovation Models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoproductionCollaborative governanceCorporate governanceConvergence (economics)Environmental governanceEnvironmental resource managementEnvironmental planningBusinessEcologyKnowledge managementPolitical scienceSociologyGeographyComputer sciencePublic relationsEconomicsEconomic growthBiology

Résumé

récupéré en direct d'OpenAlex

Successful collaborative governance (CG) of social-ecological systems (SES) involves multiple stakeholders convening iteratively over the long term to reach a commonly held vision. This often involves building knowledge for social learning processes induced to come to collective decisions about managing complex systems in flux. Because of the complexity of any SES in the Anthropocene, this coproduced knowledge is frequently transdisciplinary, using a convergence of applied and scientific knowledge from a variety of disciplines and stakeholders outside academia. We find evidence that these cases of effective SES CG involve both knowledge coproduction and convergence research. We evaluated seven case studies of CG across four continents using criteria (principles and methods) developed to facilitate and describe convergence research on SES and found them to be largely present. We also assess these CG cases using indicators of knowledge coproduction, and show that they all involved transdisciplinary knowledge coproduction, which can provide an informative lens for deepening our shared understanding of convergence and its application to complex adaptive systems. All the cases selected for this paper are examples of CG of SES in which research was conducted as part of a collaborative effort to improve the social-ecological conditions in a particular place, and several incorporate various forms of knowledge and ways of knowing. We suggest that these cases demonstrate both convergence research and knowledge coproduction because of the overlap and similarity of these concepts, providing a brief comparison and contrasting of these approaches to addressing sustainability problems collaboratively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,039
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,207

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,066
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0130,013
Études des sciences et des technologies0,0110,045
Communication savante0,0180,023
Science ouverte0,0030,023
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,308
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetUniversity-Industry-Government Innovation ModelsTravaux en français237 207