Addressing water-related shocks and coping decision through enhanced community participation: case studies from Ganga basin, Uttarakhand, India
Notice bibliographique
Résumé
Abstract Farming communities in the Upper Ganga basin, nestled in the Himalayan region, are finding it extremely difficult to face water-related shocks, which stand to profoundly impact their quality of life and livelihoods, due to climate change. Often, coping strategies (technological or institutional interventions), developed by planners, become counter-productive as they are not in cognizance with the end user community. This study presents a methodology to enable incorporation of community knowledge and expectations in planning by integrating participatory rural appraisal (PRA) with geographic information systems, leading to better informed coping strategies. As part of this, we create thematic maps which: (i) capture information on a spatial scale (otherwise lost during PRA), (ii) facilitate community participation for further research and planning in their contexts, and, (iii) co-create knowledge to develop a shared understanding of water-related hazards at the village level. The proposed methodology is presented through three case study sites – two in the plains (<500 masl) and one in the middle (500–1,500 masl) elevation regions of Upper Ganga basin. We show how this way of approaching context analysis facilitates community involvement as well as co-creating a knowledge base which can help researchers and government officials with mindful planning of interventions in the area.
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 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 | 0,000 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».