Weather and Climate Variability May Be Poor Proxies for Climate Change in Farmer Risk Perceptions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Despite long-standing assertions that climate change creates new risk management challenges, the climate change adaptation literature persists in assuming, both implicitly and explicitly, that weather and climate variability are suitable proxies for climate change in evaluating farmers’ risk perceptions and predicting their adaptive responses. This assumption persists in part because there is surprisingly little empirical evidence either way, although case studies suggest that there may be important differences. Here, we use a national survey of South Africa’s commercial grain farmers (n = 389)—similar to their peers in higher-income countries (e.g., North America, Europe, Australia), but without subsidies—to show that they treat weather and climate change risks quite differently. We find that their perceptions of climate change risks are distinct from and, in many regards, oppositional to their perceptions of weather risks. While there seems to be a temporal element to this distinction (i.e., differing concern for short-term vs long-term risks), there are other differences that are better understood in terms of normalcy (i.e., normal vs abnormal relative to historical climate) and permanency (i.e., temporary vs permanent changes). We also find an interaction effect of education and political identity on concern for climate change that is at odds with the well-publicized cultural cognition thesis based on surveys of the American public. Overall, studies that use weather and climate variability as unqualified proxies for climate change are likely to mislead researchers and policymakers about how farmers perceive, interpret, and respond to climate change stimuli.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle