MétaCan
Menu
Retour à la cohorte
Enregistrement W2136979549 · doi:10.1007/s10113-015-0755-8

Vulnerability to climate change in three hot spots in Africa and Asia: key issues for policy-relevant adaptation and resilience-building research

2015· article· en· W2136979549 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueRegional Environmental Change · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensMcGill UniversityInternational Development Research Centre
Organismes subventionnairesDepartment for International DevelopmentInternational Development Research Centre
Mots-clésClimate changeVulnerability (computing)Environmental resource managementPsychological resilienceGeographyClimate change adaptationEnvironmental planningPolitical scienceEnvironmental scienceEcology

Résumé

récupéré en direct d'OpenAlex

Providing sound evidence to inform decision-making that considers the needs of the most vulnerable to climate change will help both adaptation and development efforts. Such evidence is particularly important in climate change “hot spots”, where strong climate signal and high concentrations of vulnerable people are present. These hot spots include semiarid regions and deltas of Africa and Asia, and glacier- and snowpack-dependent river basins of South Asia. In advance of a major research effort focusing on these three hot spots, studies were commissioned to identify and characterize the current status of knowledge in each on biophysical impacts, social vulnerability, and adaptation policy and practice. The resulting seven papers are brought together in this special edition, with this editorial introduction providing background on these hot spots, the program through which the studies were commissioned, and an overview of the papers that follow.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,694
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

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

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 Opus0,419
Tête enseignante GPT0,417
Écart entre enseignants0,003 · 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