MétaCan
Menu
Retour à la cohorte
Enregistrement W2531864606 · doi:10.1108/ijccsm-04-2015-0038

Governance and climate variability in Chinchiná River, Colombia

2016· article· en· W2531864606 sur OpenAlexaff
Erika Acevedo, Sandra Turbay, Margot Hurlbert, Martha Helena Barco, Kelly Johanna Lopez

Notice bibliographique

RevueInternational Journal of Climate Change Strategies and Management · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceVulnerability (computing)Climate changeGovernment (linguistics)AgricultureEnvironmental resource managementAdaptive capacityPsychological resilienceOriginalityEnvironmental planningPolitical scienceGeographyBusinessQualitative researchSociologyEconomicsEcologySocial science

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to assess whether governance processes that are taking place in the Chinchiná River basin, a coffee culture region in the Andean region of Colombia, are adaptive to climate variability and climate extremes. Design/methodology/approach A mixed research method was used by reviewing secondary research sources surrounding the institutional governance system of water governance and disaster response and semi-structured qualitative interviews were conducted with producers and members of organizations within the institutional governance system. Findings This study found that there is a low response to extreme events. Hopefully, the growing national awareness and activity in relation to climate change and disaster will improve response and be downscaled into these communities in the future. Although, some learning has occurred at the national government level and by agricultural producers who are adapting practices, to date no government institution has facilitated social learning taking into account conflict, power and tactics of domination. Originality/value This paper improves the understanding of the vulnerability of rural agricultural communities to shifts in climate variability. It also points out the importance of governance institutions in enhancing agricultural producer adaptive capacity.

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)0,000
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 enseignants0,902
Score d'incertitude au seuil0,161

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,241
Écart entre enseignants0,223 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Climate Change Strategies and ManagementMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207