MétaCan
Menu
Retour à la cohorte
Enregistrement W2111041005 · doi:10.3390/ijerph121012518

Gender-Based Experiences and Perceptions after the 2010 Winter Storms in Atlantic Canada

2015· article· en· W2111041005 sur OpenAlexafffundabout
Liette Vasseur, Mary J. Thornbush, Steve Plante

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversité du Québec à RimouskiBrock University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésStormPerceptionGeographyWinter stormPsychologyClimatologyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

This paper conveys the findings of the first phase of a longitudinal study into climate change adaptation in Atlantic Canada. Men and women from 10 coastal communities in three provinces (Quebec, New Brunswick, and Prince Edward Island) were interviewed to better understand how both sexes perceived and reacted to extreme weather events. Their responses were recorded based on their experiences, personal and community levels of preparedness, as well as help received and effects on their lives. Most importantly, the findings denote that more men were personally prepared and more active in the community than women. More men recognized a deficiency in help at the community level, and were critical of government in particular, addressing a lack of financial interventions and support. Women were forthcoming with their emotions, admitting to feeling fear and worry, and their perceptions in terms of impacts and actions were closer to home. The results support what others have shown that in rural and coastal communities the traditional division of labor may influence and lead to a gender bias in terms of actions and gradual adaptation in communities. There is a need to better understand how these sometimes subtle differences may affect decisions that do not always consider women's roles and experiences in the face of extreme events.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,004
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,385
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetDisaster Management and ResilienceTravaux en français237 207