Vision, relationships, patience … and power: A qualitative analysis of how policy agents scale up cross-sectoral policy for nutrition
Notice bibliographique
Résumé
Malnutrition in all its forms presents an urgent global health challenge and food systems transformation is a critical component of the necessary policy response. However, cross-sectoral policy engagement between nutrition policy makers and the policy sectors responsible for food systems change has proved challenging. This policy analysis focused on how policy makers act as agents within institutions to advance cross-sectoral policy making on food systems and nutrition, informed by theories of policy making and power. Forty-three interviews were conducted with policy actors working at global, regional and national level, in relevant sectors. The interview data were analysed iteratively, informed by theory, with a focus on actor roles, characteristics, skills and capacities and the dynamics between these dimensions. We found that successful cross-sectoral policy engagement for nutrition resulted from a dynamic interaction between agents and institutional structures, within which policy agents were able to exert 'power to' influence outcomes, and exert 'power with' multidisciplinary teams and cross-sectoral colleagues to effect change. These policy actors were able to shape ideas and create cultures and norms that supported cross-sectoral engagement, which led to effective engagement between policy sectors, characterised by constructive dialogue, shared decisions, trust, goodwill and balancing objectives across sectors. The result of this engagement was consideration of nutrition in policy making in sectors other than health, in ways that resulted in tangible policy outcomes. Success in cross-sectoral policy engagement was seen as strengthening both institutional support for cross-sectoral action on nutrition, and the ability of policy actors to overcome barriers.
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 | 0,034 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,015 | 0,023 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».