Exploratory Scoping of Place‐Based Opportunities for Convergence Research
Notice bibliographique
Résumé
Abstract Harnessing scientific research to address societal challenges requires careful alignment of expertise, resources, and research questions with real‐world needs, timelines, and constraints. In the case of place‐based research, studies can avoid misalignment when grounded in the realities of specific locations and conducted in collaboration with knowledgeable local partners. But literature on best practices for such research is underdeveloped on how to identify appropriate locations and partners. In practice, these research‐design choices are sometimes made based on convenience or prior experience—a strategy labeled opportunism. Here we examine a deliberative and exploratory approach in contrast to default opportunism. We introduce a general framework for scoping place‐based opportunities for research and engagement. We apply the framework to identify climate‐adaptation planning decisions, rooted in specific communities, around which to organize research and engagement in a large project addressing coastal climate risks in the Northeast US. The framework asks project personnel to negotiate explicit project goals, identify corresponding evaluation criteria, and assess opportunities against criteria within an iterative cycle of listening to needs, assessing options, prioritizing actions, and refining goals. In the application, we elicit a broad range of objectives from project personnel. We find that a structured process offers opportunities to collaboratively operationalize notions of equity and justice. We find some objectives in tension—including equity objectives—indicating trade‐offs that other projects may also need to navigate. We reflect on challenges encountered in the application and on near‐term costs and benefits of the exploratory process.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».