MétaCan
Menu
Retour à la cohorte
Enregistrement W2416464333 · doi:10.5539/jsd.v9n3p208

Are Australian Aboriginal Communities Adapting to a Warmer Climate? A Study of Communities Living in Semi-Arid Australia

2016· article· en· W2416464333 sur OpenAlexvenueno aff
Digby Race, Supriya Mathew, Matthew Campbell, Karl Hampton

Notice bibliographique

RevueJournal of Sustainable Development · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Government
Mots-clésLivelihoodNatural resource economicsDilemmaPovertyEnergy povertyRenewable energyAridExtreme weatherBusinessConsumption (sociology)Climate changeEconomicsEnvironmental resource managementEconomic growthGeographyEcologyAgriculture

Résumé

récupéré en direct d'OpenAlex

<p>Communities around the world adapt to warming climates in a number of ways. Adaptations can often be energy intensive or dependent on expensive infrastructure to cope with harsh weather, so the use of renewable energy and energy efficient housing is becoming an increasing feature in conversations about climate change adaptation. The cost of energy for households continues to increase, with this cost adding considerable financial pressure on low-income households in both developed and developing countries. The concept of ‘energy poverty’ is gaining utility around the world to highlight the prevalent dilemma faced by low-income households that they cannot afford the level of energy use to maintain their desired livelihood. In regions of the world with extended periods of extreme weather, households can allocate as much as 20 per cent of their budget on energy consumption to maintain comfortable housing. Research by the authors indicates that effective adaptation must not add to the financial burden on low-income households, if the liveability of Australia’s semi-arid region is to be sustained.</p>

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,260
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,033
Tête enseignante GPT0,279
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetEnergy and Environment ImpactsTravaux en français237 207