Science Communication Across Diverse Ways of Knowing and Collaboration in a Landscape-Scale Natural Resource Governance Network
Notice bibliographique
Résumé
The Northwest Boreal Partnership (“Partnership”), established in 2012 as part of the U.S. Department of the Interior’s Landscape Conservation Cooperative Network, encourages cross-jurisdictional, collaborative natural resources management at a landscape scale. The Partnership is a governance network of Indigenous and non-Indigenous land managers, researchers, and local resource users from a 330-million-acre region of boreal ecosystems in Alaska and northwestern Canada. Central to the purpose of the Partnership are ideas of sharing science information to improve environmental conservation. This case study investigated the relationship between science information and collaboration among diverse participants by drawing on theoretical frameworks related to governance networks, collaboration, and diverse knowledge. Document review, observations, and participant interviews helped characterize the science information shared in the Partnership, its value to participants, and how this relates to collaboration. The analysis highlights themes useful for understanding how the partnership has evolved while maintaining an interest in sharing scientific information: change and uncertainty, scarcity and abundance, and the individual and the whole. These themes provide insights into the complexity of sharing scientific information among participants and the challenges of bringing together diverse ways of knowing that span government, non-profit, Indigenous, and academic settings. Study findings address how the perceived neutrality of science can support participation of a diverse group. Findings also raise questions about whether and how the Partnership creates a base of stability that can sustain trust in a changing natural and political landscape. Lessons from this case may be relevant to other collaborative natural resource management networks with diverse participation.
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 | 0,014 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,028 | 0,020 |
| Communication savante | 0,015 | 0,017 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,003 | 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 ».