MétaCan
Menu
Retour à la cohorte
Enregistrement W4213095555 · doi:10.1080/10511482.2021.2013284

Resident-Owned Resilience: Can Cooperative Land Ownership Enable Transformative Climate Adaptation for Manufactured Housing Communities?

2022· article· en· W4213095555 sur OpenAlex
Zachary Lamb, Linda Shi, Stephanie Silva, Jason S. Spicer

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHousing Policy Debate · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTransformative learningVulnerability (computing)BusinessAdaptive capacityHazardPsychological resilienceClimate changeEnvironmental resource managementSociologyEconomicsPsychologySocial psychologyComputer securityComputer science

Résumé

récupéré en direct d'OpenAlex

Residents of manufactured housing communities (MHCs) are disproportionately vulnerable to both hazards and displacement. The cooperative ownership model of resident-owned communities (ROCs) pioneered by ROC USA helps MHC residents resist displacement, but little research assesses how cooperative tenure impacts hazard vulnerability. To fill this gap, we conduct a spatial analysis of 234 ROC USA sites; analyze the co-op conversion process; and interview ROC USA staff, technical assistance providers, and resident co-op leaders. Although ROC USA communities, like other MHCs, face elevated exposure and sensitivity to hazards, we find that ROC USA’s model supports communities’ adaptive capacity by increasing access to financial resources, bridging formal and informal knowledge and skills, and improving social and institutional capacity. This networked cooperative model represents a scalable form of transformative adaptation by enabling low-income communities to address the underlying causes of uneven hazard vulnerabilities that are intensifying under climate change. We close with public policy and programmatic recommendations to enhance and expand this model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,202
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0080,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,318
Écart entre enseignants0,274 · 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