Gender Justice and Climate Justice: Community-Based Strategies to Increase Women's Political Agency in Watershed Management in Times of Climate Change
Notice bibliographique
Résumé
Socially vulnerable people, and women in particular, are disproportionately affected by global climate change because of their gendered socioeconomic roles and often their geographic location; yet they are least equipped to deal with those impacts due to their disadvantaged economic and political position. Women, however, have special contributions to make towards climate change adaptation because of gendered differences in positional knowledge of ecological and water-related conditions. To date, women have been largely underrepresented, and in the majority of cases, excluded from formal decision-making processes related to climate change mitigation and adaptation. Including women in these processes and building their capacity and resilience is required for the development of effective and gender-sensitive climate change adaptation policy. Also, preparing women for the short and long-term impacts of climate change is crucial for addressing some of the social aspects of this phenomenon and for preventing further aggravation of existing gender inequalities. This paper discusses South-North initiatives and models for community-based environmental and climate change education which are using the democratic opening provided by watershed-based governance structures to broaden grassroots participation, especially of women, in political processes. We outline the activities and results of two international projects, the Sister Watersheds project, with Brazilian and Canadian partners (2002-2008), and a Climate Change Adaptation in Africa project with partners in Canada, Kenya, Mozambique, and South Africa (2010-2013).
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».