(Mis)communicating climate change? Why online adaptation databases may fail to catalyze adaptation action
Notice bibliographique
Résumé
Over the last decade a plethora of action‐oriented research projects has been conducted in developing countries, exploring how to effectively adapt to the anticipated impacts of climate change. Many intergovernmental agencies and development organizations have chosen to disseminate their research results via online databases. It is unclear, however, whether these databases are useful in terms of actual adaptation planning and implementation. A systematic review of online databases has found at least 64 databases and tools online related to climate change adaptation. Despite the abundance of databases, this analysis reveals that the existing body of online databases generally lack the structure and mechanics to identify, extract, and synthesize both effective and ineffective climate change adaptation practices, projects, programs, and policies. Even relatively basic information, such as identification of projects’ projected versus actual costs is absent, which are crucial decision‐making criteria particularly in developing country contexts where resource constraints are significant. In this paper we evaluate these online tools with a focus on identifying features that potentially could contribute to knowledge sharing and successful exchange of climate change adaptation projects and practices within a developing country context. We conclude the paper with recommendations for how to improve efforts to communicate climate change research, such as more nuanced needs assessments of potential users of databases. WIREs Clim Change 2016, 7:600–613. doi: 10.1002/wcc.401 This article is categorized under: Vulnerability and Adaptation to Climate Change > Institutions for Adaptation Climate and Development > Knowledge and Action in Development Social Status of Climate Change Knowledge > Knowledge and Practice
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».