MétaCan
Menu
Retour à la cohorte
Enregistrement W3124437675 · doi:10.1038/s42003-020-01556-2

R–R–T (resistance–resilience–transformation) typology reveals differential conservation approaches across ecosystems and time

2021· article· en· W3124437675 sur OpenAlexaff
Guillaume Peterson St‐Laurent, Lauren E. Oakes, Molly S. Cross, Shannon Hagerman

Notice bibliographique

RevueCommunications Biology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesWildlife Conservation SocietyDoris Duke Charitable Foundation
Mots-clésTransformative learningTypologyPsychological resilienceResistance (ecology)Climate changeAdaptation (eye)Action (physics)Scale (ratio)Resilience (materials science)Environmental resource managementSociologyEnvironmental ethicsPsychologyEcologyGeographySocial psychologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Conservation practices during the first decade of the millennium predominantly focused on resisting changes and maintaining historical or current conditions, but ever-increasing impacts from climate change have highlighted the need for transformative action. However, little empirical evidence exists on what kinds of conservation actions aimed specifically at climate change adaptation are being implemented in practice, let alone how transformative these actions are. In response, we propose and trial a novel typology-the R-R-T scale, which improves on existing concepts of Resistance, Resilience, and Transformation-that enables the practical application of contested terms and the empirical assessment of whether and to what extent a shift toward transformative action is occurring. When applying the R-R-T scale to a case study of 104 adaptation projects funded since 2011, we find a trend towards transformation that varies across ecosystems. Our results reveal that perceptions about the acceptance of novel interventions in principle are beginning to be expressed in practice.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,392
Score d'incertitude au seuil0,784

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,049
Tête enseignante GPT0,281
Écart entre enseignants0,232 · 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

Citations85
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications BiologyMême sujetSustainability and Climate Change GovernanceTravaux en français237 207