MétaCan
Menu
Retour à la cohorte
Enregistrement W2772760701 · doi:10.1080/21693293.2017.1406849

Does diversification enhance community resilience? A critical perspective

2017· article· en· W2772760701 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueResilience · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Perspective (graphical)Diversification (marketing strategy)Community resilienceEnvironmental resource managementBusinessEconomic geographyGeographyEconomicsComputer scienceEngineeringMarketingReliability engineeringArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Resilience has become a key component of how practitioners and scholars conceptualize sustainable communities. Given sustainability’s focal role in shaping international development funding, policies and programming it is imperative that we critically engage with the concepts embedded within the resilience discourse – including prescriptions for increased diversity. This article contributes to a discourse that questions this common recommendation for diversification, particularly as it relates to agricultural livelihoods and smallholder production. We provide examples from Ethiopia that demonstrate the two limitations of diversification. The first, that some forms of diversification are, in fact, maladaptive and reduce resilience. The second, that diversification is not always equal – some forms of diversification are only accessible to the most vulnerable. As the 2030 Agenda moves ahead in shaping what is considered important, and therefore funded and measured, we argue that much more context-specific nuance is required within the resilience discourse.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,740
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0080,004
Communication savante0,0010,002
Science ouverte0,0020,000
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 Opus0,030
Tête enseignante GPT0,387
Écart entre enseignants0,357 · 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