MétaCan
Menu
← Retour à la cohorte
Enregistrement W2187376893 · doi:10.32920/ryerson.14656866

Adaptive Planning and Climate Focused Evaluation in an Era of Evolving Local Governance

2021· preprint· en· W2187376893 sur OpenAlexaffabout
William P. Coates

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensToronto Metropolitan UniversitySimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)Corporate governanceAgency (philosophy)Climate changeClimate change adaptationProcess (computing)Environmental resource managementPolitical scienceEnvironmental planningProcess managementBusinessGeographyComputer sciencePsychologySociologyEconomics

Résumé

récupéré en direct d'OpenAlex

The interconnected relationship between cities and global climate change has led to the creation of a growing number of municipal climate change adaptation plans. Currently, there exist relatively few well known criteria on the best ways to evaluate these documents following their implementation. This study begins with a review of evaluation literature and policy reports drawn from four principle agencies considered to be at the forefront of climate change adaptation planning in Canada. Findings are then used to explore how the Cities of Toronto and New York have successfully incorporated evaluation criteria into their adaptation plans. Lessons are presented for both planning practitioners and local governments concerning the implementation of successful climate-focused evaluation criteria. Overall findings suggest that numerous tools exist for evaluating adaptation plans including important performance-based approaches. Agency commitment and persons assigned to conduct the evaluation as well as integration into an ongoing planning process were also found to be key success factors while evaluation outcomes were found to reflect the resources and expertise available given the present voluntary nature of climate plans.

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)0,090
score de la tête « metaresearch » (Gemma)0,101
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,478

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0900,101
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0040,015
Communication savante0,0140,007
Science ouverte0,0020,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,051
Tête enseignante GPT0,346
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'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDisaster Management and Resilience→Travaux en français237 207→