Rethinking scenario building for sustainable futures: mobilizing conscientização, social learning and knowledge co-production
Notice bibliographique
Résumé
Scenario building is a powerful tool for evaluating drivers of environmental change and assessing alternative socioecological pathways, helping integrate science-based information into decision-making. Nonetheless, this potential has not been fully embraced by scientists and decision-makers, in part owing to limitations of current scenario frameworks at representing the diversity of values for nature and potential transformative changes to bend the biodiversity loss curve. There is still a need to further develop scientists’ capacities to include a transdisciplinary perspective in scenario building to address the drivers of transformative change. This paper addressesthese needs by reflecting on the role of scientists engaged in scenario building in the construction of sustainable futures through the lens of three key concepts: social learning, knowledge co-production and conscientização (a Portuguese term meaning to build sociopolitical awareness and take action). Drawing on a survey of participants of a Scenario Building School and a literature review, we suggest that scientists require capacity building to leverage these concepts together for the construction of transformative futures. This includes addressing power imbalances, improving inclusive and transdisciplinary participatory methods, reaching consensus and promoting action. We recommend that scientists engaged in scenario building focus on fostering transformative changes, challenging mainstream storylines, embracing diversity and addressing inequalities to pursue sustainable futures.
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 | 0,044 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,055 |
| Communication savante | 0,020 | 0,025 |
| Science ouverte | 0,003 | 0,036 |
| Intégrité de la recherche | 0,005 | 0,008 |
| 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 ».