MétaCan
Menu
Retour à la cohorte
Enregistrement W3094279171 · doi:10.5751/es-11768-250406

Archetypical opportunities for water governance adaptation to climate change

2020· article· en· W3094279171 sur OpenAlexvenueno aff
Anastasiia Gotgelf, Matteo Roggero, Klaus Eisenack

Notice bibliographique

RevueEcology and Society · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensnon disponible
Organismes subventionnairesHumboldt-Universität zu BerlinDeutsche Forschungsgemeinschaft
Mots-clésClimate changeClimate change adaptationAdaptation (eye)Corporate governanceEnvironmental resource managementBusinessEnvironmental planningNatural resource economicsEcologyGeographyEnvironmental scienceBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

We explore opportunities for climate adaptation in the context of water governance. We focus on opportunities linked to the provision of climate information, raising the question of whether they are limited to incremental adaptation, or can also bring about transformational adaptation. We address this question through an archetype analysis based on 26 peer-reviewed articles. In each article, opportunities are identified, coded using the social-ecological system framework, and then bundled into archetypes that encompass similar opportunities reappearing across multiple cases. Results suggest that the provision of climate information can constitute an opportunity for adaptation that goes beyond purely incremental adjustments to a changing climate. Specifically, two of the six archetypes identified enable transformational adaptation by bringing long-term implications of current impacts into focus and by addressing the issue of capacity of existing institutions to respond to climate change. However, there is a high degree of heterogeneity in the characterization of opportunities, and the six archetypes only cover about one in three of the opportunities identified. This indicates the need for further research to develop more streamlined conceptualizations. In this respect, the archetypes identified herewith suggest some avenues for further conceptual development. We also explore policy implications, raising questions regarding the current development of climate services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil0,220

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,096
Tête enseignante GPT0,244
Écart entre enseignants0,147 · 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 tête enseignante, pas un consensus.

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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207