The Canadian Global Water Futures programme – creation, foundation, and operation
Notice bibliographique
Résumé
The world is entering an era of immense water-related threats, from floods, droughts, and other extreme events to degradation of water quality and severe pressure on aquatic ecosystems, increasing demand for freshwater, and major changes in hydrological regime and water availability. There is a need for new science, new modelling tools and monitoring systems, and more effective mechanisms to translate new scientific knowledge into societal action. This represents a grand challenge for water science in Canada and globally: ‘How can we best prepare for and manage water futures in the face of dramatically increasing risks?’ The Global Water Futures (GWF) programme was conceived in 2015 to address this grand challenge; funded by the Canada First Research Excellence Fund and bringing together a transdisciplinary team of partners from 18 Canadian universities working with over 500 other partner institutions and organisations, GWF was the largest programme of its kind in Canada, and to our knowledge the largest in the world. As the programme ended in August 2025 this paper looks back at how GWF was conceived and developed, it’s management and operation, how it was structured to pursue an ambitious science agenda and how this was carried out, Indigenous engagement and knowledge exchange within GWF, changes in direction and approach as GWF evolved and circumstances arose, and lessons learned upon reflection. This was a vast effort by a large group of people and many partners and much of what was done was new and unique. By documenting our experience, this paper aims to serve as a useful guide for large science programmes.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,001 |
| Communication savante | 0,009 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».