MétaCan
Menu
Retour à la cohorte
Enregistrement W2940684219 · doi:10.24095/hpcdp.39.4.03

Commentary - The Climate Change and Health Adaptation Program: Indigenous Climate Leaders’ Championing Adaptation Efforts

2019· article· en· W2940684219 sur OpenAlexaffvenueabout
Gabrielle Richards, Jim Frehs, Erin Myers, Marilyn Van Bibber

Notice bibliographique

RevueHealth Promotion and Chronic Disease Prevention in Canada · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensYukon UniversityHealth Canada
Organismes subventionnairesnon disponible
Mots-clésIndigenousClimate changeAdaptation (eye)Work (physics)Political scienceEnvironmental resource managementFood securityMental healthClimate change adaptationCapacity buildingGeographyEnvironmental planningEconomic growthPsychologyEcologyEngineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

The Climate Change and Health Adaptation Program (CCHAP) is a program within the First Nations Inuit Health Branch of Indigenous Services Canada (which was previously under the responsibility of Health Canada). The CCHAP supports Inuit and First Nation communities in mitigating and adapting to the health impacts of climate change. The impacts of climate change on Indigenous health can be observed in multiple areas including, but not limited to, food security, cultural medicines, mental health and landbased practices. This program seeks to address the needs of climate change and health in First Nation and Inuit communities to support resiliency and adaptation to a changing climate both now and in the future through its emphasis on youth and capacity building. The commentary is based on the Program's eleven years of experience working with and for Indigenous communities and provides an overview of the CCHAP model and the work it has and continues to support. This paper demonstrates three examples of community-based projects to mitigate and adapt to the health impacts of climate change to demonstrate climate change resiliency within Indigenous communities.

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)0,011
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil0,446

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,074
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0170,010
Communication savante0,0060,006
Science ouverte0,0070,004
Intégrité de la recherche0,0410,033
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,111
Tête enseignante GPT0,394
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Promotion and Chronic Disease Prevention in CanadaMême sujetIndigenous Studies and EcologyTravaux en français237 207