Growing social vulnerability in the river basins: Evidence from the Hindu Kush Himalaya (HKH) Region
Notice bibliographique
Résumé
Vulnerability is a set of conditions of people that is derived from the historical and prevailing socio-economic, cultural, environmental and political contexts along with understanding future scenarios, especially for climate change. This study aimed at better understanding the nature and types of socio-economic drivers and social vulnerabilities in the context of increasing climatic stresses in four river basins in the Hindu Kush Himalaya (HKH) region. A multidimensional, contextual and integrated approach has been applied using participatory qualitative tools and techniques to identify major socio-economic drivers and conditions along with climatic factors in upstream, midstream and downstream of the river basins. In upstream and midstream region, people’s livelihood is dependent on subsistent agriculture, horticulture, pastoralism and tourism while in downstream, agriculture and fisheries are the major livelihood options. Climate sensitive natural resources based livelihoods are severely affected across the river basins. Poor and marginal population are not able take adequate adaptation measures due to lack of capacities, poor access to resources, services, information, which push them into greater vulnerability. The vulnerable groups in all four river basins are marginalized sections who are conditioned by economic classes, gender and social norms and living in geographically underdeveloped areas. For instance, poor, women, religious/ ethnic minorities, subordinate caste groups, char dwellers. Poor governance and the lack of access to resources and services have made the situation worse. All these factors are enhancing social vulnerability across the basins and study sites. Social protection measures, enhancement of human capitals and livelihood diversification with pro-poor and gender responsive adaptation and socially inclusive policy are needed to address growing social vulnerability.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».