Riskscapes and the socio-spatial challenges of climate change
Notice bibliographique
Résumé
Abstract Anthropogenic climate change is increasing the frequency and severity of the physical threats to human and planetary wellbeing. However, climate change risks, and their interaction with other “riskscapes”, remain understudied. Riskscapes encompass different viewpoints on the threat of loss across space, time, individuals and collectives. This Special Issue of the Cambridge Journal of Regions, Economy, and Society enhances our understanding of the multifaceted and interlocking dimensions of climate change and riskscapes. It brings together rigorous and critical international scholarship across diverse realms on inquiry under two, interlinked, themes: (i) governance and institutional responses and (ii) vulnerabilities and inequalities. The contributors offer a forceful reminder that when considering climate change, social justice principles cannot be appended after the fact. Climate change adaptation and mitigation pose complex and interdependent social and ethical dilemmas that will need to be explicitly confronted in any activation of “Green New Deal” strategies currently being developed internationally. Such critical insights about the layered, unequal and institutional dimensions of risks are of paramount import when considering other riskscapes pertaining to conflict and war, displaced people and pandemics like the 2019–2020 global COVID-19 pandemic.
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 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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,015 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».