MétaCan
Menu
Retour à la cohorte
Enregistrement W2890156435 · doi:10.3390/su10093280

How Is Australia Adapting to Climate Change Based on a Systematic Review?

2018· article· en· W2890156435 sur OpenAlexaff
Tristan Pearce, Evelyn Rodríguez, David Fawcett, James D. Ford

Notice bibliographique

RevueSustainability · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensUniversity of Guelph
Organismes subventionnairesCommonwealth Scientific and Industrial Research Organisation
Mots-clésAdaptation (eye)Climate changeStakeholderSystematic reviewProcess (computing)Environmental resource managementEnvironmental planningAgricultureClimate change adaptationGeographyPolitical scienceComputer scienceEcologyPublic relationsPsychologyEnvironmental scienceMEDLINE

Résumé

récupéré en direct d'OpenAlex

We develop and apply a systematic literature review methodology to identify and characterize the ways in which the peer-reviewed literature depicts how climate change adaptation is occurring in Australia. We reviewed the peer-reviewed, English-language literature between January 2005 and January 2018 for examples of documented human adaptation initiatives in Australia. Our results challenge previous assumptions that adaptation actions are not happening in Australia and describes adaptation processes that are underway. For the most part, actions can be described as preliminary or groundwork, with a particular focus on documenting stakeholder perspectives on climate change and attitudes towards adaptation, and modelling or scenario planning in the coastal zone, agriculture, and health sectors. Where concrete adaptations are reported, they are usually in the agricultural sector and are most common in the Murray–Darling Basin, Australia’s food basket. The findings of the review advance our understanding of adaptation to climate change as a process and the need to consider different stages in the process when tracking adaptation.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil0,601

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,076
Tête enseignante GPT0,315
Écart entre enseignants0,239 · 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'étudeRevue systématique
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

Citations47
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetClimate change impacts on agricultureTravaux en français237 207