Catalyzing climate action: a case study on universities as hubs for community-engaged climate projects
Notice bibliographique
Résumé
Purpose Academic institutions are in a unique position to secure funding and work with communities on climate change issues that matter most to them while providing research opportunities that benefit faculty and students. The purpose of this case study is to outline the steps to secure funding to create a grant program that prioritized partnerships; equity, diversity, inclusion and accessibility (EDIA); truth and reconciliation; and experiential learning (EL) opportunities while sharing lessons learned and recommendations to grow community-engaged climate projects at other academic institutions. Design/methodology/approach The University of Calgary placed community at the center of this grant program by connecting the program to university strategies; receiving guidance from a community circle of advisors and university experts in knowledge engagement and EDIA; and creating a grant application and evaluation process that reflected ongoing feedback. While not exclusively designed for funding projects using participatory methods, the grant program incorporated participatory approaches. Findings Participatory, inclusive and transdisciplinary approaches to the design and implementation of a community-engaged climate action grant program were key to its success. Originality/value This case study represents a unique approach to creating a granting program at a university that brings together community groups, faculty and students to realize climate action through honoring participatory, inclusive and transdisciplinary approaches.
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 | 0,014 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,036 | 0,008 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».