MétaCan
Menu
Retour à la cohorte
Enregistrement W3119238299 · doi:10.3390/su13010379

Harnessing the Four Horsemen of Climate Change: A Framework for Deep Resilience, Decarbonization, and Planetary Health in Ontario, Canada

2021· article· en· W3119238299 sur OpenAlexafffundabout
Vidya Anderson, William A. Gough

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésClimate changeGreen infrastructureEnvironmental resource managementSustainable developmentAdaptation (eye)Psychological resilienceResilience (materials science)Environmental planningClimate change adaptationClimate resilienceBusinessBridging (networking)SustainabilityGeographyEcologyEnvironmental scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Widespread implementation of nature-based solutions like green infrastructure, provides a multi-functional strategy to increase climate resilience, enhance ecological connectivity, create healthier communities, and support sustainable urban development. This paper presents a decision-support framework to facilitate adoption of green infrastructure within communities using the Climate Change Local Adaptation Action Model (CCLAAM) developed for this purpose. It also presents an ecosystems-based approach to bridging the gap between climate change mitigation and adaptation actions in Ontario, Canada. Green infrastructure could be a viable strategy to address multiple climate change impacts and support the implementation of the UN Sustainable Development Goals (SDGs).

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,494

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,028
Tête enseignante GPT0,294
Écart entre enseignants0,266 · 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

Citations31
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetClimate Change and Health ImpactsTravaux en français237 207