The multifaceted relationship between extreme weather events, displacement and conflict: New insights from Somalia
Notice bibliographique
Résumé
Extreme weather and migratory events have been topics of great interest for decades. More recently, a debate has emerged whether the human impact of climate change can lead to armed conflict, and how conflict and extreme climate events interact in inducing large-scale displacement. This paper explores the relationship between conflict and displacement in the context of droughts and floods across Somalia, a country in the East Africa region, in which the population has historically been using migration as coping strategy for the effects of recurring climatic extremes and socio-economic uncertainties. Since 2015, Somalia has been affected by a humanitarian crisis, paired with on-going conflict, which subsequently reduced resilience of its population. Applying panel econometric methods to monthly within-country migration observations from 18 regions together with spatio-temporal conflict and weather data, this paper quantifies the impacts of conflict and extreme weather events on within-country displacement over the period of 2016 to 2018. It combines and analyses conflict-, drought- and flood-related displacement data from the UNHCR-led Protection & Return Monitoring Network (PRMN), disaggregated conflict data from the Armed Conflict Location & Event Data Project (ACLED) with gridded climate estimate data. Empirical evidence suggests significant interaction effects between conflict and extreme weather events on migration, where pre-existing conflict conditions act as accelerators of climate-induced displacement.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».