Integrating diversity and agency into social-ecological resilience metrics
Notice bibliographique
Résumé
Resilience is an increasingly popular concept in research and practice, but quantitative resilience analyses are often disconnected from resilience theory. For example, previous studies argue that diversity, a key attribute for building resilience, and agency, essential for understanding local adaptation and transformation, are critical to understanding resilience. Despite significant progress in integrating them into qualitative frameworks, diversity and agency are rarely incorporated into quantitative social-ecological resilience metrics. This omission is concerning, given the critical role of quantitative resilience metrics in informing resilience-oriented decision-making. This study examines how diversity and agency are represented in quantitative resilience metrics across disciplines, with the goals of (a) assessing how research on social-ecological resilience currently integrates these concepts into quantitative metrics and (b) identifying future opportunities to enhance their inclusion using insights from other fields. Using topic modelling to identify different research fields and facilitate the screening process, we performed a multidisciplinary systematic meta-review of resilience metrics. To understand what types of resilience metrics are used across disciplines and where diversity and agency are more commonly included, we identified six categories of resilience metrics, with “performance under disruption” being the most used category (35%). We found that a limited number of quantitative resilience metrics include diversity and agency, with “system structure” and “compound indicators” being the main sources of diversity and agency, respectively. We further reviewed simulation models applying resilience metrics. The prevalence of performance under disruption metrics is stronger than in reviews (67%) and a similar quantity of metrics including diversity (14%) and agency (5%) was found. Drawing on insights from multiple disciplines, we outline five potential pathways to improve the inclusion of diversity and agency in social-ecological resilience metrics: using network-based metrics, using response and pathway diversity, including diversity and agency in compound indicators, integrating quantitative methodologies outside resilience theory, and improving the application of resilience in simulation models.
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 | 0,060 | 0,189 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,033 | 0,027 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,007 | 0,013 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».