Why context matters: understanding transdisciplinary research through the lens of nine context factors
Notice bibliographique
Résumé
Transdisciplinary research (TDR) integrates academic and non-academic expertise to co-produce actionable knowledge that contributes to societal impact in addressing sustainability challenges. While context is widely acknowledged as important, the role and definition of context factors shaping TDR remain underexplored. This study develops an integrative understanding of context by synthesising theoretical literature and analysing 17 semi-structured interviews from international TDR case studies. We identify nine key context factors across three categories: outer factors (outside projects), inner factors (within projects), and temporal/ spatial dimensions (project boundaries). These context factors influence collaborative research processes in different ways across projects, requiring ongoing reflexivity and adaptation. Positionality awareness and ethics are central in shaping power dynamics, stakeholder engagement, and knowledge-co-production, highlighting the need for context-sensitive approaches. To support this in a structured way, we present a framework linking context with research design, process, methods and outcomes. Additionally, we provide a set of reflective questions for researchers and practitioners to identify, assess, and respond to contextual influences that shape stainability transformations. By advancing a more systematic understanding of context, this study contributes to building reflexive and inclusive approaches to transdisciplinary collaboration.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».