Drivers of flood and climate change risk perceptions and intention to adapt: an explorative survey in coastal and delta Vietnam
Notice bibliographique
Résumé
This article contributes to current research about determinants of climate change and flood risk perception, and intentions to take adaptive measures. We propose a research model that distinguishes between vulnerability and severity components of perceived risks, and adds perceived adaptive capacity as a third factor to predict the intention to take adaptive measures. We used this combined model as a conceptual lens for an explorative survey among 1086 residents of coastal and delta communities in Vietnam. Pairwise analyses revealed a significant association of flood and climate change risk perceptions with individual’s flood experience, climate change knowledge, frequency of community participation and socio-demographic factors. However, in multivariate analysis, the influence of most socio-demographic factors became weak or patchy. Flood experience was the most influential driver of flood-related risk perceptions but weak for climate change-related risk perceptions and behavioural intentions. Knowledge strongly increased the intention to adapt to flood and climate risks and the perceived vulnerability to and severity of climate change risks, but reduced the perceived capacity to adapt to climate risks. Frequency of community participation increased the perceived vulnerability and severity of climate change risks, the intention to adapt to both climate and flood risks and the perceived capacity to adapt to flood risks, but reduced the perceived capacity to adapt to climate risks. Our research confirms earlier findings that individuals’ knowledge, place-specific experience and social-cultural influences are key predictors of both flood and climate change risk perceptions and intentions to take adaptive measures. These factors should therefore receive ample attention in climate risk communication.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».