MétaCan
Menu
Retour à la cohorte
Enregistrement W4220720076 · doi:10.1080/14693062.2022.2048784

Disaster risk reduction and climate policy implementation challenges in Canada and Australia

2022· article· en· W4220720076 sur OpenAlexaffabout
Jonathan Raikes, Timothy F. Smith, Claudia Baldwin, Daniel Henstra

Notice bibliographique

RevueClimate Policy · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversity of WaterlooBrock University
Organismes subventionnairesAustralian Research CouncilDepartment of Industry and Science, Australian Government
Mots-clésDisaster risk reductionRisk governanceCorporate governanceRisk managementPreparednessEnvironmental planningEnvironmental resource managementStakeholderClimate changeBusinessEmergency managementClimate riskGovernment (linguistics)Political scienceEconomic growthPublic relationsEconomicsGeographyFinance

Résumé

récupéré en direct d'OpenAlex

Disaster risk reduction is central to managing the risks of climate change at global, national, and sub-national levels. The operationalization of disaster risk reduction, however, has been met with challenges that have restricted successful policy implementation. Drawing from document analyses and Delphi studies with government practitioners, this article examines the policy context for disaster risk reduction in Canada and Australia and investigates the state of flood and drought planning and preparedness. Results are organized around two central themes: risk (ownership and sensitivity) and engagement (stakeholder involvement and capacity-building). The findings show that public policies on disaster risk reduction in Canada and Australia reflect international discourse that advocates for a whole-of-society, risk-sensitive, and risk-informed approach. However, implementing this approach in household planning and preparedness, cross-sector planning and policy integration, terminology, and socio-cultural representation, has been hampered by several factors. Government practitioners in both countries argued that while disaster risk reduction and climate risk management continue to evolve in multi-level governance, policy implementation is constrained by the legacies of past governance arrangements that have enabled disaster risk creation and accumulation. The results presented herein suggest a need for institutional reform that better reflects the holistic and systemic relationships between disaster risk, climate change, and other policy problems. We argue that disaster risk reduction and climate risk management policies require bridging governance arrangements between these and related policy domains to foster effective multi-level implementation.Key policy insights Implementing disaster risk reduction has been inconsistent, exacerbating exposure to climate change and increasing socio-economic vulnerabilities to disaster impacts.Managing climate and disaster risk requires a holistic approach that targets vulnerable groups, tackles underlying drivers of risk, and builds capacities to support disaster risk reduction.Although disaster risk reduction and climate risk management policies continue to evolve, implementation is hindered by legacy governance arrangements that favour economic growth over sustainable, climate-sensitive disaster risk management.Transformation through the integration of disaster risk reduction and human development offers potential pathways to reduce vulnerabilities via a holistic disaster risk and climate policy approach.

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)0,010
score de la tête « metaresearch » (Gemma)0,025
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 enseignants0,240
Score d'incertitude au seuil0,881

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,025
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0250,008
Communication savante0,0090,002
Science ouverte0,0030,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,362
Écart entre enseignants0,314 · 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

Citations20
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClimate PolicyMême sujetDisaster Management and ResilienceTravaux en français237 207