Convergence, transdisciplinarity, and team science: an interepistemic approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The challenges facing the Intermountain West are characterized by extreme complexity and enormous consequences. They include climate change and associated ecological effects, such as catastrophic wildfire and drought. They are also inextricably linked to social inequities, including freshwater availability, land conversion, and access to basic human needs such as quality food, affordable energy, and access to healthcare. A meaningful response to these challenges requires new thinking. Convergent research is designed to foster new thinking by creating novel frameworks and conceptual models that drive innovation. Here, we share our approach to convergent research in the Transformation Network (TN), a National Science Foundation supported Sustainable Regional Systems Network. A key element of the TN’s design is an interepistemic and even interontological approach that builds across different knowledge systems throughout academia and among Native American and community partners. After first providing an overview of the development of the field of convergence research and its relationship to transdisciplinary research, we provide an outline of the TN’s approach, which draws from two schools of transdisciplinarity thought—the metaphysical approach of the Nicolescuian School and the more solution-focused Zürich School. We then explain how we operationalize our approach with systems thinking and systems dynamics modeling, as well as community engagement, diversity, equity, inclusion, and justice efforts, and continual learning with reflexive assessment and training practices. This includes an example where TN faculty and students partner with members of the Navajo Nation to support the independence of Native American communities in the San Juan River Watershed through the implementation of small-scale sustainable off-grid food-energy-water systems.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle