Notice bibliographique
Résumé
There is consensus in the field of sustainability science that co-production of knowledge is needed to generate knowledge that is useful for addressing matters of concern. The field has made important advances, particularly focusing on developing strategies and principles that ensure the effective co-production of knowledge. Although these lay necessary foundations, less attention has been paid to the question as to what exactly is meant to “happen” in such processes. What is meant to happen, we argue, is that such processes generate knowledge that affects, by which we mean that it triggers an experiential intensity. Although affect ultimately underlies all kinds of knowledge (e.g., representational, such as discourse, or embodied, such as habits), different kinds and contents of knowledge affect (or not) participants of co-production processes in different ways. This paper thus argues that paying attention to affect in knowledge co-production increases the likelihood that it will be acted upon. To illustrate this point, we conceptualize knowledge as an assemblage generated through processes of knowledge co-production. We argue that for knowledge to affect, it must align the different kinds of knowledge mobilized in the process with the concrete experiences of those meant to act on it. In this paper, we particularly focus on the representational, discursive kind of knowledge, often of scientific nature, which continues to dominate processes of knowledge co-production, and explore alignment dynamics with the affective. In particular, we argue that applying methods and techniques that give room to the multimodal and multisensory nature of affect in co-production processes can support such alignment. We argue that the picture of knowledge co-production that emerges from our work as a potentially open-ended process of assembling is adequate for engaging with complex sustainability concerns in a world in constant becoming.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,022 |
| Communication savante | 0,013 | 0,020 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».