MétaCan
Menu
Retour à la cohorte
Enregistrement W3025381736 · doi:10.1080/0376835x.2020.1760790

Climate change adaptation mainstreaming in the planning instruments of two South African local municipalities

2020· article· en· W3025381736 sur OpenAlexfundno aff
Amy Pieterse, Du Toit, Willemien van Niekerk

Notice bibliographique

RevueDevelopment Southern Africa · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensnon disponible
Organismes subventionnairesCouncil for Scientific and Industrial Research, South AfricaInternational Development Research Centre
Mots-clésMainstreamingAdaptation (eye)Environmental planningHuman settlementClimate change adaptationClimate changeEnvironmental resource managementMainstreamSpatial planningGeographyPolitical scienceRegional scienceEnvironmental sciencePsychology

Résumé

récupéré en direct d'OpenAlex

This article reflects on the role of urban planning in climate change adaptation and the role of planning instruments in facilitating the mainstreaming of climate change adaptation. An analytical framework is introduced to analyse primary spatial and integrated planning instruments in the City of Cape Town and Thulamela Local Municipality in South Africa, as comparative cases with core similarities and contextual differences. The findings are discussed in terms of where adaptation should be included throughout the planning process and the extent to which the cases have been able to mainstream climate change adaptation within their planning instruments. The findings show that local municipal plans and policies are recognising the impact of climate change on settlements and the role of planning in responding to these impacts. However, there is little evidence of addressing these long-term impacts through programmatic and coherent approaches using short- to medium-term planning instruments.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0090,006
Communication savante0,0050,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,082
Tête enseignante GPT0,251
Écart entre enseignants0,169 · 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'étudeQualitatif
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

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopment Southern AfricaMême sujetSustainability and Climate Change GovernanceTravaux en français237 207