Transformative learning and community resilience to cyclones and storm surges: The case of coastal communities in Bangladesh
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While it has been widely recognized that building community resilience to climate induced shocks requires learning processes at multiple societal levels, there has been limited research on the specific types of learning required at individual level to influence change and transformation at the community level. To determine how transformative learning and risk-mitigation actions shape community resilience to climate-induced disasters, we carried out a mixed-method empirical investigation on the southern coast of Bangladesh. We found that the relationship between transformative learning and resilience-building is complex, involving multiple social cultural-structural factors (e.g., beliefs, values, power structures), practical considerations (e.g., impact on livelihood, evacuation and relocation logistics), and cognitive factors. From our observations, we draw four general conclusions: i) local culture can constrain people's framing of risk and capacity for critical reflection, resulting in a deliberate denial and amnesia of past traumatic experiences; ii) learning alone cannot enhance resilience unless it is translated into action; iii) dependence on experiential learning can lead to the assumption that the severity of past disasters will not be surpassed, generating a false sense of security; and iv) the cultivation of forward-thinking attitudes coupled with innovative strategies, such as social networking, can successfully enhance resilience to climate-related disasters. Future policymaking aimed at building community resilience to climate shocks should therefore take into account cultural and individual cognitive barriers to transformative learning and attempt to remove structural barriers to translating learning into practical action.
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.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle