MétaCan
Menu
Retour à la cohorte
Enregistrement W2940396401 · doi:10.1016/j.envdev.2019.02.001

Perceptions of climate shocks and gender vulnerabilities in the Upper Ganga Basin

2019· article· en· W2940396401 sur OpenAlexfundno aff
Neha Khandekar, Ganesh Gorti, Suruchi Bhadwal, Vani Rijhwani

Notice bibliographique

RevueEnvironmental Development · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesCentre for Engineering Research and DevelopmentDepartment for International DevelopmentDepartment for International Development, UK GovernmentInternational Development Research Centre
Mots-clésLivelihoodVulnerability (computing)Psychological resilienceClimate changeEmpirical evidenceAdaptive capacityLimitingEnvironmental resource managementPerceptionGeographyEnvironmental planningEconomicsEcologySocial psychologyPsychologyAgricultureComputer securityBiology

Résumé

récupéré en direct d'OpenAlex

Mountain ecosystems, owing to their skewed development trends and amplified climatic perturbations, are extremely vulnerable to climate change. Existing developmental challenges manifested as limited access to basic services and over reliance on weather sensitive livelihoods further amplify the vulnerability of communities. This study, using empirical evidence from sites in Uttarakhand, establishes an understanding on how place-based vulnerabilities influence the livelihoods – analyzed through the sustainable livelihoods frameworks. The research also highlights the gender differentiated impacts that arise due to existing social norms and practices evident in the study sites. The study further identifies an emerging narrative of socio-cultural norms determining access to resources and influencing an individual’s vulnerability. Moreover, existing social norms differentially impact women by limiting their access to land ownership, decision making powers, amongst others, and subsequently negatively influencing their adaptive capacities. These present as critical challenges that influence gender based vulnerabilities in the mountains and plains of Uttarakhand.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,212
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations39
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental DevelopmentMême sujetClimate change impacts on agricultureTravaux en français237 207