Adapting wildland fire governance to climate change in Alaska
Notice bibliographique
Résumé
We use concepts drawn from the adaptive governance literature to examine challenges and opportunities for fire management in Alaska, where rising average summer temperatures over the past several decades are associated with statewide increases in wildland fire activity.Alaska's unique interagency fire management structure, rapidly changing climate, and natural resource dependent communities provide a valuable context for study.Our research sought to understand (1) current and future fire management challenges and responses to those challenges; (2) governance structures and processes that act as enablers of and barriers to changes in management approaches; and (3) the institutionalization of new practices.We explored these questions in a qualitative analysis of 41 interviews with fire managers.Participants perceived protection of communities, enhancement of subsistence hunting opportunities, and protection of remote points on the landscape as the most pressing current management challenges, with protection of ecosystem carbon sinks as a possible future challenge.Interviewees identified existing bridging organizations and boundary-spanning work as enabling factors in the governance system.At the same time, they indicated that federal agency budgeting processes, prescriptive laws that mandate the protection of certain values, and divisions across fire and land management personnel and planning processes can inhibit effective responses to management challenges.We found evidence of several types of institutional changes, some underway, and some perceived as necessary in the future.Our research suggests that in a thick institutional context, existing institutions that serve to bridge across actors likely can be repurposed to meet new challenges, while more prescriptive institutions may be less adaptive to changing conditions.This work provides an empirical investigation of adaptive governance in a rapidly changing system and contributes to theory building on institutionalization by shedding light on the nuances and complexities of institutional work.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».