Governing University Living Labs for sustainability transformations: insights from 18 international case studies
Notice bibliographique
Résumé
Abstract In recent years, scholarly debate has grown around a perceived gap between societal impact rhetoric and the support structures for interdisciplinary and applied research, education, and innovation in universities. University Living Labs (UniLLs) provide a window into this relationship as they transcend disciplinary boundaries and linear modes of engagement to enable real-world experimentation and learning in response to societal challenges such as sustainable development. However, few studies examine the institutional contexts in which UniLLs operate, thus limiting our understanding of universities’ capacity for sustainability experimentation. This study examines how the institutional structures, cultures, and practices of universities enable or constrain the governance of sustainability-oriented UniLLs. Our study is grounded in the practical work of organising and conducting UniLLs, drawing on interviews with 39 academics and practitioners involved in UniLLs at 18 universities in Australia, Brazil, Canada, Germany, France, The Netherlands, Singapore, the UK, and the USA. Our research findings demonstrate that (1) UniLLs are enabled by the institutionalisation of sustainable development agendas, and the relational and discursive work of key university staff. (2) UniLLs are often limited in scope and longevity by a project logic and work against entrenched academic and operational organising structures and corporate logics. (3) Some UniLLs overcome these barriers by leveraging institutional power and mobilising resources to embed UniLL governance in university-wide structures. We present practical enabling processes for institutionalising UniLLs in universities demonstrated by the cases and reflect on the university governance paradigm for advancing a transformative impact agenda.
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 | 0,026 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,013 | 0,011 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».