MétaCan
Menu
Retour à la cohorte
Enregistrement W4200070544 · doi:10.17645/up.v6i4.4536

Creating the Conditions for Climate Resilience: A Community-Based Approach in Canumay East, Philippines

2021· article· en· W4200070544 sur OpenAlexaff
Corrine Cash

Notice bibliographique

RevueUrban Planning · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensMount Allison University
Organismes subventionnairesnon disponible
Mots-clésVulnerability (computing)Flooding (psychology)Government (linguistics)LivelihoodPrivate sectorCommunity resilienceEnvironmental planningClimate changeGeographyPolitical sciencePsychological resilienceState (computer science)Environmental resource managementEconomic growthResource (disambiguation)EconomicsEcology

Résumé

récupéré en direct d'OpenAlex

People who reside in informal settlements in the Global South are most vulnerable to extreme weather events and their consequences, such as flooding, landslides, and fires. Those located in coastal areas face severe challenges from seasonal and typhoon-induced flooding. Research shows that uncertain land rights exacerbate community vulnerability because residents are under constant threat of eviction by private sector actors or the state. Individual and community upgrading is rarely possible in such a situation. This article focuses on the efforts to secure tenure and upgrade their community by the residents of Sitio Libis, located in Canumay East, City of Valenzuela, Philippines. The study demonstrates that while community-based approaches require skills and capacities of community members, enabling conditions created by government and/or NGOs are required for transformational outcomes. While the people of Sitio Libis did not conceptualize their efforts in terms of climate change adaptation, their success suggests the possibility for smart partnerships among state-civil society/private sector actors to emerge in support of small-scale climate 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.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,004
Communication savante0,0030,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
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 Opus0,183
Tête enseignante GPT0,366
Écart entre enseignants0,183 · 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'étudeQualitatif
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban PlanningMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207