Rethinking Knowledge Cumulation: Foregrounding Epistemic Justice in Environmental Governance Research
Notice bibliographique
Résumé
ABSTRACT Social science inquiry into environmental governance is theoretically and methodologically diverse, resulting in a large array of isolated pieces of knowledge. Scholars' reflections around knowledge cumulation focus on how separate bits of knowledge can feasibly be integrated to build a broader, consensual state of knowledge. Yet, experience shows that transferring knowledge from existing research to a new case can lead to ill‐adapted governance solutions. We argue that this points to a disconnect between scholars' approaches to knowledge cumulation and cumulation efforts that create actionable knowledge. Indeed, we find there is little concrete guidance offered to scholars on which rationale should guide knowledge cumulation, limiting their capacity to effectively produce actionable knowledge. In this article, we suggest giving precedence to epistemic justice instead of strict feasibility in knowledge cumulation. As a first step, we review common blind spots in knowledge cumulation efforts and argue that a perspective grounded in epistemic justice is best suited to address (global) environmental issues. As a second step, and while acknowledging the structural and institutional limits within which scholars operate, we propose that they can contribute to a shift in the principles guiding knowledge cumulation. This transformation towards epistemic justice should be pursued already at various stages of the knowledge production process, namely in conducting research, presenting and publishing research, and communicating research to policy‐makers and communities. This article is primarily directed at environmental governance scholars in the social sciences but may offer valuable insights for anyone interested in inter/trans‐disciplinary and boundary‐spanning approaches to science and policy‐making.
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 | 0,233 | 0,243 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,019 | 0,225 |
| Communication savante | 0,037 | 0,061 |
| Science ouverte | 0,006 | 0,049 |
| Intégrité de la recherche | 0,015 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».