Analyse des freins et leviers à la participation dans les projets de science citoyenne axés sur la biodiversité au Québec
Bibliographic record
Abstract
La science citoyenne est un outil au service de la conservation et de la protection de la biodiversité, ainsi qu’un moteur de mobilisation et d’engagement civique. L’intérêt pour ce phénomène gagne en popularité du côté des organismes ayant une mission orientée vers la protection de la nature. Cependant, il peut être difficile pour ces organisations de recruter, de garder les bénévoles à long terme et de favoriser un engagement profond. L’objectif principal de cet essai est d’analyser les freins et leviers à la participation dans les projets de science citoyenne axés sur la biodiversité, et ce dans le but d’améliorer les projets et ainsi de bonifier les démarches de conservation. La participation est évaluée sous trois volets : le recrutement, la rétention et l’engagement des bénévoles. Les objectifs secondaires sont d’explorer les motivations des participants à la science citoyenne, d’inspecter la situation au Québec en lien avec les tendances globales, et d’identifier de bonnes pratiques au niveau du recrutement et de la rétention. Le dernier sous-objectif est de formuler des recommandations visant à améliorer tous les axes de la participation, ainsi que la pertinence et les retombées des programmes de science citoyenne. L’analyse dégage les forces, faiblesses, opportunités et menaces à la participation des citoyens. Elle se positionne du côté d’une organisation donnée responsable d’un projet de science citoyenne. Ainsi, cette analyse met en lumière les actions et éléments internes et externes qui ont des impacts sur la participation. D’abord, les forces mises en lumière par l’analyse sont l’intégration des motivations des participants dans la structure des projets, l’inclusivité de l’organisation et de ses activités, et la reconnaissance de l’organisme au sein de sa communauté. Ensuite, les ressources humaines limitées et la méconnaissance des participants sont les faiblesses identifiées. Puis, les opportunités sont le gain de popularité des applications de science citoyenne, la culture locale et le sentiment d’appartenance, et les partenaires potentiels. Finalement, les menaces à la participation sont le manque de financement, la gamification abusive, la concurrence entre les projets, et le désintérêt sociétal envers les espèces non charismatiques. Les recommandations proposées s’appuient sur les forces et les opportunités pour répondre aux faiblesses et aux menaces. Elles consistent en la création et la solidification de partenariats, la maximisation des occasions d’apprentissage des participants, et l’action de favoriser des opportunités de socialisation au sein des projets. Aussi, il est recommandé de tirer profit des plateformes existantes et de favoriser la création d’un mouvement et d’une communauté autour du projet.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".