Science, decision‐making and development: managing the risks of climate variation in less‐industrialized countries
Notice bibliographique
Résumé
Abstract This article addresses the role of scientific knowledge in decision‐making with respect to climate variability and change in the developing world, with a focus on scientific capacity. We propose a ‘systemic’ view of scientific capacity for studying the relationship between science and decision‐making vis‐à‐vis climate variation, one that encompasses knowledge production, as well as its translation for and use in decision‐making. We analyze the challenges faced by developing countries in building capacity on each of these elements. Case studies on the production and use of scientific information for societal decision‐making at three distinct timescales—the weekly scale (Hurricanes in the North Indian Ocean), the seasonal scale (Climate Variability in the Sahel), and the decadal/century scale (Climate Change Impacts on Small Island States) are used to elucidate the scale and complexity of capacity building challenges. We argue that capacity building for coping with the impacts of climate change is interwoven with the capacity needed for meeting the challenges of development, particularly those related to short‐term climate and weather variation. Any serious attempt to build scientific capacity for decision‐making vis‐à‐vis climate change will need to embrace a ‘developmentalist’ position. WIREs Clim Change 2011 2 201–219 DOI: 10.1002/wcc.98 This article is categorized under: Climate and Development > Knowledge and Action in Development Social Status of Climate Change Knowledge > Climate Science and Decision Making
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.
Comment cette classification a été obtenuedéplier
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».