The impacts of trust, cost and risk on collaboration in environmental governance
Notice bibliographique
Résumé
1. Collaborative approaches to environmental governance are drawing increased interest in research and practice. In this article we investigate the structure and functioning of actor networks engaged in collaboration. 2. We specifically seek to advance understanding of how and why collaborative networks are formed as actors engage in addressing two broad classes of collective action problems: coordination and cooperation. It has been proposed that more risk-prone cooperative problems favor denser and more cohesive bonding network structures, whereas less risky coordination problems favor sparser and more centralized bridging structures. 3. Recent empirical findings however cast some doubts on these assumptions. In building on previous work we propose and evaluate a set of propositions in order to remedy these ambiguities. Our propositions build on the assumption that bridging structures could, if actors’ experience sufficient levels of trust in the collaborative process, adequately support both cooperation and coordination problems. 4. Our empirical investigation of four UNESCO’s Man and Biosphere Reserves gives initial support for our assumptions, and suggest that bridging structures emerge when actors have trust in the collaborative endeavor, and/or when the cost of collaborative failure is deemed low. While caution is warranted due to data limitations, our findings contribute to improved policies and guidelines on how to stimulate and facilitate more effective collaborative approaches to environmental governance. The dataset contains four networks (one per MAB reserve). The data is further described in the published paper. For each network, there are several files. The files are formatted for the program MPnet. One file per network is the sociomatrix (rows and columns are nodes, and the values in the matrix are the links between the nodes). Several other files, per network, contain node attributes (further described in the published paper). The order of the node attributes are the same as in the sociomatrices.
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 | 0,017 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».