Social learning and climate change adaptation: evidence for international development practice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The potential for social learning to address complex, interconnected social and environmental challenges, such as climate change adaptation, is receiving increasing attention in research and practice. Social learning approaches vary, but commonly include cycles of knowledge sharing and joint action to co‐create knowledge, relationships, and practices among diverse stakeholders. This results in learning and change that goes beyond the individual into communities, networks, or systems. Many authors have focused on analysis of case studies to better understand the contexts in which such learning occurs. In this paper, we look across this literature to draw out lessons for international development practice. To support those looking to purposively design social learning interventions for adaptation, we focus on four areas: lessons learned and the principles adopted when using a social learning approach, examples of tools and methods used, approaches to evaluating social learning, and examples of its impact. While we identify important lessons for practice within each of these areas, three cross‐cutting themes emerge. These are: the importance of developing a shared view among those initiating learning processes of how change might happen and of how social learning fits within it, linking this locus of desired change to the tools employed; the centrality of skilled facilitation and in particular how practitioners may shift toward being participants in the collective learning process; and the need to attend to social difference, recognizing the complexity of social relations and the potential for less powerful actors to be co‐opted in shared decision making. WIREs Clim Change 2015, 6:509–522. doi: 10.1002/wcc.348 This article is categorized under: Vulnerability and Adaptation to Climate Change > Learning from Cases and Analogies Climate and Development > Knowledge and Action in Development
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle