Science-Policy Interface for Disaster Risk Management in India: Toward an Enabling Environment
Notice bibliographique
Résumé
The 2013 Uttarakhand floods highlighted the enormous challenges faced by disaster risk management organizations and actors who had to deal with it on a real-time basis. Unusual and extreme rainfalls accompanied by a series of cloudbursts triggered the flooding. In recent times there has been a significant increase in the quantum of scientific research on such weather- and climate-related extremes in some of the most vulnerable regions in India. Although the role of science and research has been adequately recognized and included in India's national development policies and programmes, including the Disaster Management Policy (2009), integration of this accumulating scientific and research evidence into disaster management policies, planning, and practices in the country has been limited. Uttarakhand floods were followed by Cyclone Phailin (2013), and the untimely hailstorms in central India (March 2014). The resulting challenges for the country and its policy makers are complex and gigantic. It is under these emerging circumstances of complexities that the urgency for proactive and effective science-policy interface is discussed. Building on the existing institutional and policy opportunities in India, an enabling environment to facilitate such science- policy interface for disaster risk management is suggested. We discuss collaboration, co-production, coherence, and continuity as some of the organizing principles of this enabling environment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,021 |
| Communication savante | 0,022 | 0,013 |
| Science ouverte | 0,002 | 0,032 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».