Employing qualitative methods for assessing impacts of major projects in Canada
Notice bibliographique
Résumé
The need for broader consideration of sustainability outcomes has been leading the discourse in the field of impact assessment during the twenty-first century. The ability of qualitative methods from the social sciences are being proposed as having the potential to integrate different types of knowledge in order to identify, explore, and assess impact pathways that address more social sustainability concerns around development such as values, culture, well-being, psychosocial impacts, rights, and cumulative effects. The purpose of this research was to explore how qualitative methods in the Canadian assessment context can contribute to this next generation of impact assessment. As such, my thesis undertakes to identify examples of qualitative methods being used in Canada and to explore how some of them are being applied in a case study context. It also identifies broad challenges and barriers to using qualitative methods and explores how these might be addressed using good practice. I employed semi-structured interviews with practitioners and document review from three proposed projects, the Teck Frontier Mine, BC Hydro’s Site C Clean Energy Project, and Benga’s Grassy Mountain Mine. I found that key qualitative methods being used in the Canadian context included interviews and focus groups. I found that there were important design considerations in IA for using qualitative methods, particularly in community-based research contexts, such as sampling, methods protocols, interpreting human experiences reflected in data, and qualitative data analysis. Key institutional challenges that limited the application of qualitative methods into assessment included formal institutional processes that struggled with integrating qualitative data, guidance on implementing, decision-making using qualitative data as evidence, and other logistical and political challenges. In conclusion, careful design, good guidance, and collaborative process are key to grounding qualitative methods to assessment and decision-making outcomes.
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 | 0,050 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,016 | 0,008 |
| Communication savante | 0,009 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».