MétaCan
Menu
Retour à la cohorte
Enregistrement W3164865667 · doi:10.1111/cag.12690

Montreal's environmental justice problem with respect to the urban heat island phenomenon

2021· article· en· W3164865667 sur OpenAlexaffvenueabout
Jia Yi Fan, Raja Sengupta

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensMcGill UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCensusGeographyIndigenousExtreme heatUrban heat islandEnvironmental justiceDisadvantagedEconomic JusticeClimate changeDemographyClimatologySocioeconomicsPolitical scienceEconomicsMeteorologyEconomic growthPopulationSociologyEcology

Résumé

récupéré en direct d'OpenAlex

Due to climate change, heat events in Canada have become more extreme in intensity and frequency and will continue to do so according to the Intergovernmental Panel on Climate Change's global predictions. Environmental justice research has indicated that extreme heat exposure disproportionally affects socio‐economically disadvantaged populations in cities. The objective of this research was to determine whether such a phenomenon exists in Montreal, Canada. Temperature data were obtained through in‐situ sensors and governmental weather stations, while census data were retrieved from Statistics Canada through the Census mapper. Correlation tests were run between temperature and five demographic and socio‐economic variables measured inside a 500 m buffer around the temperature sensors. The variables included Indigenous Peoples (IND), people of 65 years old and over (Over 65), people between 25 and 64 years old without a high school degree (No HS), and low‐income (LI). A positive correlation was found for LI and No HS (p < 0.05). A regression test performed with interpolated temperature and the demographic and socio‐economic variables across the study area revealed no significant correlation due to spatial heterogeneity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,019
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,006
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,011
Tête enseignante GPT0,200
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), 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

Citations29
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetClimate Change and Health ImpactsTravaux en français237 207