Exploring methodological approaches to assess climate change vulnerability and adaptation: reflections from using life history approaches
Notice bibliographique
Résumé
Abstract People in developing countries face multiple risks, and their response decisions sit at the complex and often opaque interface of climatic stressors, constrained resource access, and changing livelihoods, social structures, and personal aspirations. Many risk management studies use a well-established toolkit of methodologies—household surveys, focus group discussions, and semi-structured interviews. We argue that such methodological conservatism tends to neglect the dynamic and differentiated nature of livelihood decisions. Since different methodologies privilege different portrayals of risk and response, we highlight how plural methodological approaches can capture a broader range of perspectives and problematisations. In this paper, we draw on life history (LH) interviews across four countries (Kenya, Namibia, Ghana, and India) to offer one way of expanding current methodological approaches on vulnerability and adaptation. We argue that LHs offer four key ‘value additions’. First, LHs give insights into the multiple and interacting nature of drivers of response behaviour. Second, they highlight intra-household dynamics to demonstrate how people with differential power shape risk management decisions. Third, LHs support explorations of past decisions, present situations, and future aspirations, thus producing temporally nuanced enquiries. Fourth, they provide a powerful analytical lens to capture the interplay of motivations, aspirations, and values on livelihood choices and adaptation outcomes. By adding value in these four ways, LHs challenge assumptions about how and why people respond to multiple risks and offer a nuanced understanding of adaptation processes.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | high |
| opus | Métarecherche Domaine: Méthodes · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | medium |
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 | 0,098 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,015 | 0,062 |
| Communication savante | 0,012 | 0,016 |
| Science ouverte | 0,005 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».