MétaCan
Menu
Retour à la cohorte
Enregistrement W2969055580 · doi:10.2737/pnw-gtr-838

Social vulnerability and climate change: synthesis of literature

2011· report· en· W2969055580 sur OpenAlexaboutno aff
Kathy Lynn, Katharine MacKendrick, Ellen M. Donoghue

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeVulnerability (computing)Political economy of climate changeClimate justiceEquity (law)PoliticsPolitical scienceSocial vulnerabilitySocioeconomic statusEnvironmental justiceGeographyEnvironmental resource managementEnvironmental ethicsEnvironmental planningSociologyEcologyPopulationPsychologyPsychological resilienceSocial psychologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

The effects of climate change are expected to be more severe for some segments of society than others because of geographic location, the degree of association with climate-sensitive environments, and unique cultural, economic, or political characteristics of particular landscapes and human populations. Social vulnerability and equity in the context of climate change are important because some populations may have less capacity to prepare for, respond to, and recover from climate-related hazards and effects. Such populations may be disproportionately affected by climate change. This synthesis of literature illustrates information about the socioeconomic, political, health, and cultural effects of climate change on socially vulnerable populations in the United States, with some additional examples in Canada. Through this synthesis, social vulnerability, equity, and climate justice are defined and described, and key issues, themes, and considerations that pertain to the effects of climate change on socially vulnerable populations are identified. The synthesis reviews what available science says about social vulnerability and climate change, and documents the emergence of issues not currently addressed in academic literature. In so doing, the synthesis identifies knowledge gaps and questions for future research.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,162
Tête enseignante GPT0,372
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations69
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate Change and Health ImpactsTravaux en français237 207