Participatory scenario planning for social-ecological systems as a social learning process for sustainability and resilience
Notice bibliographique
Résumé
La Planification Participative de Scénarios (PPS) engage de manière collaborative des acteurs de la société pour imaginer des futurs alternatifs plausibles. La PPS est souvent citée comme un processus efficace d’apprentissage social, capable d’influencer positivement la manière dont les individus pensent et interagissent entre eux, ainsi que ce qu’ils ressentent les uns envers les autres et envers leurs écosystèmes. Cependant, les preuves disponibles restent limitées quant à la diversité, l’ampleur et la persistance de ces résultats potentiels en matière d’apprentissage social. Des lacunes importantes subsistent également dans la compréhension des caractéristiques spécifiques de la PPS qui permettent de générer ces résultats. Ma thèse explore comment la PPS facilite l’apprentissage social.Après une brève introduction (ch 1), je présente une revue de la littérature (ch 2) sur les théories et concepts pertinents liés à la PPS et à l’apprentissage social. Je poursuis ensuite avec mon cadre conceptuel qui traite des caractéristiques opérationnelles clés de la PPS(à savoir : la composition des participants, la conception du processus et la facilitation), susceptibles de favoriser son efficacité en matière d’apprentissage social. Ce cadre met également en évidence la multi dimensionnalité des résultats potentiels issus de la PPS, incluant : (1) des changements cognitifs dans les connaissances des acteurs participants, (2) des changements relationnels dans les relations, (3) des changements normatifs dans les préférences, (4) des changements émotionnels, et (5) des résultats institutionnels.Je présente ensuite une revue exploratoire de 45 cas de PPS issus de la base de données Biosphere Futures (ch 3), un répertoire mondial d’exemples de PPS. Parmi les cinq types de résultats définis dans mon cadre, les résultats cognitifs sont ceux qui ont été le plus fréquemment rapportés, tandis que les résultats émotionnels l’ont été le moins. J’ai également constaté que ces résultats pouvaient être associés à certaines caractéristiques opérationnelles de la PPS, comme son échelle spatiale et les types d’acteurs impliqués.Au ch. 4, je présente l’évaluation des résultats de la PPS appliquée au système marais intertidal–digues de la baie de Fundy, en Nouvelle-Écosse.J’y ai conçu et mis en œuvre des approches méthodologiques mixtes et innovantes qui démontrent que la PPS que j’ai facilitée a permis d’élargir de manière significative la pensée systémique (résultats cognitifs), d’améliorer la confiance rationnelle (résultats relationnels) et de faire évoluer les aspirations environnementales (résultats normatifs) parmi les participants (n=18), avec des changements ayant persisté pendant au moins trois mois après la PPS. Des entretiens réalisés après coup avec les participants ont souligné combien les attributs opérationnels de la PPS, en particulier la composition des participants, peuvent être déterminants pour ces résultats.Dans le ch. 5, je présente une évaluation des émotions empathiques (résultat émotionnel) chez les participants de deux PPS. J’ai adapté et mis en œuvre un outil d’indice de préoccupation empathique afin de démontrer que ces PPS ont eu un impact significatif et positif sur les émotions empathiques des participants envers les non-humains et les générations futures dans ces écosystèmes, effet qui a persisté au moins trois mois après les PPS. Aucune des deux PPS, cependant, n’a eu d’effet sur les émotions empathiques envers les habitants actuels.Dans l’ensemble, ma thèse contribue à une compréhension plus profonde et systématique de la PPS en tant que processus pouvant soutenir l’apprentissage social. J’aide à démontrer que les PPS peuvent influencer de manière significative la manière dont les individus perçoivent les écosystèmes, collaborent entre eux, et prennent en considération les non-humains ainsi que les générations futures, en vue d’un avenir plus durable et résilient
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».