Participatory scenario planning for social-ecological systems as a social learning process for sustainability and resilience
Bibliographic record
Abstract
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
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 | 0.010 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 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".