Seeing Climate Change: A Framework for Understanding Visualizations for Climate Adaptation
Notice bibliographique
Résumé
Climate change has resulted in the need for adaptation tools to provide stakeholders with the ability to respond to a broad range of potential impacts. Geovisualizations serve as powerful engagement tools due to their capacity in communicating complex climate data to various audiences. Studies have also shown a preference towards conveying climate data through geo-visual representations, to quickly present ideas rooted in geographical challenges and solutions. However, a rapid pace of technological advancements has paved the way for an abundance of geovisualization products that have eclipsed the necessary theoretical inquiry and knowledge required to establish effective visualization principles. This study addresses this research gap through a two-step process of (1) conducting a thorough review of the geovisualization for climate change literature, and (2) creating a conceptual framework that classifies existing geovisualization products into themes relating to visualization features, audiences, and the intended outcome or purpose of the visualization medium. The result is the Climate Visualizations for Adaptation Products (CVAP) framework, a tool for researchers and practitioners to use as a decision support system to discern an appropriate type of geovisualization product to implement within a specific use case or audience. Visualizations with more interactivity were favoured among expert user groups, to act as tools for knowledge discovery. This is contrary to the visualizations intended for communicating a known message to a user group, as those products often had a low level of interactivity associated with their use.
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 | 0,001 | 0,001 |
| 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 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».