MétaCan
Menu
Retour à la cohorte
Enregistrement W2916638798 · doi:10.4000/vertigo.22079

Adaptation des communautés côtières aux effets des changements climatiques sous l’angle de la résilience : lier la gouvernance locale au développement durable

2018· article· fr· W2916638798 sur OpenAlexaffvenueabout
Steve Plante, Liette Vasseur, Julia Santos Silva

Notice bibliographique

RevueVertigO · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensBrock UniversityUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesForestryGeographyArt

Résumé

récupéré en direct d'OpenAlex

Ce texte vise à présenter une démarche qui a été élaborée dans le cadre de l’Alliance de recherche universités-communautés intitulée Défis des communautés côtières de l’estuaire et du golfe du Saint-Laurent à l’heure des changements climatiques (ARUC-DCC). Nous décrivons la démarche de renforcement des capacités de résilience que nous avons tenue dans plusieurs localités côtières de l’Est canadien. Nos propos sont illustrés à partir de l’exemple des municipalités de Maria et de Bonaventure au Québec. Il s’agit d’une démarche basée sur la recherche-action participative. La coconstruction de stratégies d’adaptation qui en émerge repose sur un modèle d’exploration de la situation allant des aléas et de leurs effets, aux incertitudes de la connaissance et aux capacités des acteurs à agir. Ces milieux côtiers sont sujets aux aléas des changements climatiques dont notamment les inondations causées par les ondes de tempêtes, l’érosion côtière et les débordements de rivières. Il s’avère important, pour ces communautés, de mieux comprendre les enjeux associés à ces situations au moment d’élaborer des solutions collectives à long terme qui peuvent aller au-delà de leurs territoires. En fait, nous pensons qu’une telle approche pourrait être envisageable dans plusieurs autres régions rurales côtières de l’est du Canada.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,004
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,094
Tête enseignante GPT0,345
Écart entre enseignants0,251 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations7
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207