MétaCan
Menu
Retour à la cohorte
Enregistrement W3006855376 · doi:10.1002/wcc.640

Just urban transitions: Toward a research agenda

2020· article· en· W3006855376 sur OpenAlexaff
Sara Hughes, Matthew J. Hoffmann

Notice bibliographique

RevueWiley Interdisciplinary Reviews Climate Change · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésScholarshipClimate justiceClimate changeEconomic JusticeAction (physics)Work (physics)Political economy of climate changePolitical scienceClimate change mitigationEnvironmental justiceOrder (exchange)Environmental ethicsSociologyLawEcologyBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract While there are excellent policy and academic foundations for thinking about and making sense of urban climate action and questions of justice and climate change independently, there is less work that considers their intersection. The nature and dynamics of, and requirements for, a just urban transition (JUT)—the fusion of climate action and justice concerns at the urban scale—are not well understood. In this review article we seek to rectify this by first examining the different strains of justice scholarship (environmental, energy, climate, urban) that are informing and should inform JUT. We then turn to a discussion of just transitions in general, tracing the history of the term and current understandings in the literature. These two explorations provide a foundation for considering both scholarly and policy‐relevant JUT agendas. We identify what is still needed to know in order to recognize, study, and foster JUT. This article is categorized under: The Carbon Economy and Climate Mitigation > Benefits of Mitigation Climate, Nature, and Ethics > Climate Change and Global Justice

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0050,023
Communication savante0,0140,037
Science ouverte0,0030,013
Intégrité de la recherche0,0110,015
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,479
Tête enseignante GPT0,486
Écart entre enseignants0,008 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations166
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Climate ChangeMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207