Adaptation interventions and their effect on vulnerability in developing countries: Help, hindrance or irrelevance?
Notice bibliographique
Résumé
This paper critically reviews the outcomes of internationally-funded interventions aimed at climate change adaptation and vulnerability reduction. It highlights how some interventions inadvertently reinforce, redistribute or create new sources of vulnerability. Four mechanisms drive these maladaptive outcomes: (i) shallow understanding of the vulnerability context; (ii) inequitable stakeholder participation in both design and implementation; (iii) a retrofitting of adaptation into existing development agendas; and (iv) a lack of critical engagement with how ‘adaptation success’ is defined. Emerging literature shows potential avenues for overcoming the current failure of adaptation interventions to reduce vulnerability: first, shifting the terms of engagement between adaptation practitioners and the local populations participating in adaptation interventions; and second, expanding the understanding of ‘local’ vulnerability to encompass global contexts and drivers of vulnerability. An important lesson from past adaptation interventions is that within current adaptation cum development paradigms, inequitable terms of engagement with ‘vulnerable’ populations are reproduced and the multi-scalar processes driving vulnerability remain largely ignored. In particular, instead of designing projects to change the practices of marginalised populations, learning processes within organisations and with marginalised populations must be placed at the centre of adaptation objectives. We pose the question of whether scholarship and practice need to take a post-adaptation turn akin to post-development, by seeking a pluralism of ideas about adaptation while critically interrogating how these ideas form part of the politics of adaptation and potentially the processes (re)producing vulnerability. We caution that unless the politics of framing and of scale are explicitly tackled, transformational interventions risk having even more adverse effects on marginalised populations than current adaptation.
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 | 0,051 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,023 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».