MétaCan
Menu
Retour à la cohorte
Enregistrement W3211799852 · doi:10.1002/pan3.10278

Redefining climate change maladaptation using a values‐based approach in forests

2021· article· en· W3211799852 sur OpenAlexafffundabout
Kieran Findlater, Shannon Hagerman, Robert Kozak, Veronika Gukova

Notice bibliographique

RevuePeople and Nature · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesGenome British ColumbiaGenome Canada
Mots-clésMaladaptationFraming (construction)Climate changeEnvironmental resource managementAdaptation (eye)Vulnerability (computing)GeographyEnvironmental planningEcologyPsychologyEnvironmental scienceBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change adaptation can have unexpected and detrimental effects, typically conceptualized as maladaptation and narrowly defined in relation to climatic hazards and climate vulnerability. We revisit this narrow framing of maladaptation using a deliberative risk analysis method in 16 focus groups across British Columbia, Canada, where forests are crucial to social, economic and environmental well‐being. By analysing emergent logics of support and opposition around genomics‐based assisted migration as an adaptation strategy in forests, we identify four sources of potential maladaptation in this context: technical failure, opportunity cost, path dependence and the too‐narrow framing of adaptation. Combined, these suggest that maladaptation is also too narrowly conceptualized, reflecting an obsolete definition of adaptation as rational adjustment to climatic hazards. Rather than being a failure of adaptation, per se, we argue that maladaptation comprises climate‐adaptive policies or actions that, in a broader frame, threaten the very values that decision‐makers ostensibly seek to protect and enhance. A free Plain Language Summary can be found within the Supporting Information of this article.

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)0,012
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil0,365

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0100,022
Communication savante0,0080,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,125
Tête enseignante GPT0,340
Écart entre enseignants0,215 · 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'étudeThéorique ou conceptuel
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

Citations15
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePeople and NatureMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207