Testing social network metrics as proxies for governance performance: A simulation-based experiment in watershed management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study introduces a simulation-based modelling framework to systematically evaluate whether widely used social network analysis (SNA) metrics function as credible proxies for governance performance. I generated 100 synthetic governance networks with covariance structures linking collaboration, equity, resilience, participation, and coordination to structural properties. A suite of analyses, including multiple regression models, permutation tests, partial correlations, and hierarchical clustering, was applied to test the predictive validity of reciprocity, transitivity, Gini degree, k-core, betweenness centrality, clustering coefficient, modularity, and density. Results demonstrate reproducible structural–functional linkages: reciprocity and transitivity robustly predict collaboration, equity is inversely tied to Gini degree, and resilience depends on k-core prominence and betweenness centrality. The modelling workflow, implemented in Python with open scripts and datasets, provides transparent benchmarks for interpreting governance-relevant network metrics. Beyond advancing theory, this framework enhances the diagnostic utility of SNA, supporting more reliable decision-support tools for watershed governance and environmental management. By embedding governance processes into a reproducible, simulation-based workflow, this study extends the reach of ecological informatics beyond biophysical systems to include social structures that shape environmental outcomes. The approach provides transferable benchmarks and open-source resources that strengthen reproducibility, comparability, and integration of governance diagnostics within ecological informatics research.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle