MétaCan
Menu
Retour à la cohorte
Enregistrement W4214843387 · doi:10.3390/su14052904

Current Information Provision Rarely Helps Coastal Households Adapt to Climate Change

2022· article· en· W4214843387 sur OpenAlexaff
Carmen E. Elrick‐Barr, Timothy F. Smith

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensBrock University
Organismes subventionnairesAustralian Research Council
Mots-clésClimate changeVulnerability (computing)Collective actionHazardEnvironmental resource managementEnvironmental planningBusinessPsychological resilienceCoping (psychology)Context (archaeology)Transformational leadershipAdaptation (eye)Emergency managementGeographyPublic relationsPolitical scienceEconomicsEconomic growthPsychologyComputer scienceComputer securitySocial psychologyPolitics

Résumé

récupéré en direct d'OpenAlex

Households play an important role in reducing coastal vulnerability through individual and collective action. Information provision is a key strategy adopted by governments to support household adaptation. However, there is limited evidence of the effectiveness of the different types of information and their influence on coastal household response. Drawing on case study research in two Australian coastal communities, we explore the types of information shaping household responses to three hazard scenarios: a heatwave, a severe storm, and sea-level rise. We find that passive information informs action in fewer than half of all households. Furthermore, even current attempts at more action-oriented information only informs coping strategies. If coastal adaptation is to achieve the transformational changes vital to manage the impacts of climate change, information provision must transition from passive and generic delivery via traditional modes, to actively communicating adaptation as the ‘glue’ between hazard management and household resilience through context-relevant and household-driven communication modes. Further research into the types of information that promote more-than-coping responses, such as information to facilitate collective action, is also recommended.

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)0,005
score de la tête « metaresearch » (Gemma)0,032
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,084
Tête enseignante GPT0,340
Écart entre enseignants0,255 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207