Notice bibliographique
Résumé
Purpose – This paper aims to explore how and in what context adaptive governance might work in practice in relation to climate variability through the study of two successful agri-environmental programs. Design/methodology/approach – Data were obtained through semi-structured qualitative interviews with key policy informants as well as rural agricultural producers. The adaptive attributes of two successful agri-environmental programs with a proven track record in reducing vulnerability and increasing adaptive capacity of rural producers were studied, including program responsiveness, program framing, stakeholder engagement mechanisms, and the respective roles of key actors. Findings – The adaptive governance practices of program delivery through localized government personnel and organizations increased perceived responsiveness. Mechanisms of program delivery and stakeholder participation and review changed over time as well as the framing of programs. Producers and key policy informants agreed that producers responded to concretely framed issues. A possible disconnect was discovered in the anticipated role of government in relation to meeting and responding to the climate change challenge. Practical implications – This research shows a need to study changes in programs over time in relation to the attributes of adaptive management. Differing climatic events, geographies, and government and stakeholder priorities all contribute to changes in the institutional design of programs and policies. Originality/value – This paper documents adaptive governance practices in relation to two agri-environmental programs that have successfully facilitated producer adaptation to climate variability in the past, as well as the perceptions of agricultural producers of the future role of government in relation to responding to climate change.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».