MétaCan
Menu
Retour à la cohorte
Enregistrement W3206031208 · doi:10.1659/mrd-journal-d-21-00033.1

Closing the Adaptation Gap in Mountains

2021· article· en· W3206031208 sur OpenAlexaff
Graham McDowell, Madison Stevens, Alexandra Lesnikowski, Christian Huggel, Alexandra Harden, Jose DiBella, Michael Morecroft, Praveen Kumar, Elphin Tom Joe, Indra D. Bhatt, the Global Adaptation Mapping Initiative

Notice bibliographique

RevueMountain Research and Development · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of WaterlooUniversity of British ColumbiaConcordia UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)Environmental resource managementClimate changeClimate change adaptationAdaptive capacityVulnerability (computing)Conceptual frameworkScale (ratio)Transformative learningEnvironmental planningGeographyComputer scienceEcologyEnvironmental scienceSociologyCartography

Résumé

récupéré en direct d'OpenAlex

Over 1 billion people are living at the frontlines of climate change in mountain areas, where warming rates outpace the global average and are driving significant changes in environments and ecosystem services. These changes are exacerbating socioeconomic difficulties faced by many mountain communities, and are already intensifying vulnerabilities across mountain areas globally. The situation is indicative of pervasive and consequential deficits in adaptation, and calls attention to the need for a better understanding of existing adaptation efforts, as well as the prospects for increasing the quantity and quality of adaptation action in mountain regions. In response, this MountainAgenda article introduces a conceptual framework for adaptation gaps. It then uses data from 2 major global-scale adaptation reviews to shed light on the nature and true magnitude of the adaptation gap in mountains. It reveals shortcomings in available adaptation options, deficits in the uptake of existing adaptation support, and a general lack of coherence between existing adaptations and keystone global agreements relevant to climate change adaptation. These shortcomings are largely related to soft limits to adaptation that constrain responses across mountain areas. In this article, we provide recommendations for closing the adaptation gap in mountains and suggest that this will require deeply collaborative efforts that are rooted in local needs, aspirations, and ways of knowing, but that are also supported by external capacity building and implementation resources. In many instances, this will resemble a transformative approach to adaptation. The conceptual framework presented here is broadly applicable and can also be utilized to identify and close adaptation gaps in social-ecological contexts beyond mountains.

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)0,009
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,006
Communication savante0,0040,008
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,180
Tête enseignante GPT0,330
Écart entre enseignants0,150 · 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'étudeSans objet
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

Citations32
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMountain Research and DevelopmentMême sujetCryospheric studies and observationsTravaux en français237 207