Monitored versus experience-based perceptions of environmental change: evidence from coastal Tanzania
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 impacts of climate change are likely to exacerbate many problems that coastal areas already face. In this study, we used multinomial logistic regression to examine human perception of climate change based on a cross-sectional survey of 1253 individuals in coastal regions of Tanzania. This was complemented with time series analysis of 50-year meteorological data. The results indicate that self-rated ability to handle work pressure, self-rated ability to handle personal pressure and unexpected difficulties, age, region and educational status were significant predictors of perceived temperature change unlike ethnicity and gender. A disproportionately large percentage of respondents of all ages indicated that temperature was getting hotter between the past 10 and 30 years. This observation was supported by the time series analysis. Although respondents also alluded to changes in rainfall patterns in the past 10–30 years, time series analysis of rainfall revealed a different scenario except for Mtwara region of Tanzania. Because there is agreement between respondents' perceptions of temperature and available scientific climatic evidence over the 50-year period, this study argues that when meteorological records are incomplete or unavailable, local perceptions of climatic changes can be used to complement scientific climatic evidence. Based on the spatial differentials in climate change perception observed in this study, there is opportunity for a more locally oriented adaptation dimension to climate policy integration, which has hitherto been underserved by both academics and policymakers.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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