La pratique de la transdisciplinarité dans les approches écosystémiques de la santé
Bibliographic record
Abstract
Les approches écosystémiques de la santé (AÉS) reconnaissent l’interdépendance de la santé humaine et animale, de la santé des écosystèmes et de la société. Dans cet article, nous nous pencherons particulièrement sur la transdisciplinarité, l’un des six principes associés à ces approches. L’objectif général de cet article est d’explorer comment la transdisciplinarité est définie par des acteurs des AÉS, ainsi que d’identifier des avantages, des opportunités, des défis et des obstacles qu’elle favorise dans le cadre des AÉS. Des entrevues ont été menées auprès de chercheurs, de praticiens et d’étudiants ayant une expérience des AÉS et provenant de divers milieux : privé (ONG), universitaire et gouvernemental. Les résultats ont montré que la définition de la transdisciplinarité pour les répondants se présente sur un continuum entre le paradigme et l’outil de collaboration et que de façon paradoxale, mais non irréconciliable, la plupart des éléments discutés en tant que défis pour certains sont des avantages pour d’autres. Nous concluons sur l’absence de définition de la transdisciplinarité et de savoir-faire communs dans les AÉS ainsi que sur l’intérêt de poursuivre certaines pistes de réflexion concernant le partage d’une vision commune de la pratique transdisciplinaire au sein de ces approches, le développement d’outils facilitant sa pratique et la mise en place de processus d’évaluation des projets.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.044 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.017 |
| Scholarly communication | 0.018 | 0.015 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.006 | 0.010 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".