Resilience to Weather-Related Disasters of a CBFM Community in Ligao, Albay, Philippines
Notice bibliographique
Résumé
This study assessed the resilience of a Community-Based Forest Management (CBFM) community in Ligao, Albay, Philippines to weather-related disasters. Resiliency was measured using 38 indicators comprising human, social, natural, financial, and physical capitals. The study used household survey administered to 180 respondents, complemented by focus group discussions (FGD), key informant interviews (KII), and secondary data gathering. Index of five capital assets was calculated using the equation for data normalization by a scale of 0 to 1. The overall resiliency index was estimated by getting the weighted average of all the capital assets. Pearson Correlation, Chi-square and Spearman Correlation were used to analyze the relationship of age, gender, and household size to the overall resiliency of the community. The CBFM community is less resilient with an index of 0.382. This was attributed to a lesser access to social and natural capitals with indices of 0.233 and 0.244, respectively. However, the CBFM program remains a promising strategy in improving the adaptive capacity of upland communities by contributing to the enhancement of their social and natural assets. Results revealed that there is a positive correlation between household size and resiliency while age and gender were not correlated. To build resiliency, it is recommended to increase community capacity through education and skills development, ensure access to services, provide technical and financial support from the government and promote collaboration among various stakeholders.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».