Synergies and trade-offs between climate change adaptation options and gender equality: a review of the global literature
Notice bibliographique
Résumé
Abstract Climate change impacts are being felt across sectors in all regions of the world, and adaptation projects are being implemented to reduce climate risks and existing vulnerabilities. Climate adaptation actions also have significant synergies and tradeoffs with the Sustainable Development Goals (SDGs), including SDG 5 on gender equality. Questions are increasingly being raised about the gendered and climate justice implications of different adaptation options. This paper investigates if reported climate change adaptation actions are contributing to advancing the goal of gender equality (SDG 5) or not. It focuses on linkages between individual targets of SDG 5 and climate change adaptation actions for nine major sectors where transformative climate actions are envisaged. The assessment is based on evidence of adaptation actions documented in 319 relevant research publications published during 2014–2020. Positive links to nine targets under SDG 5 are found in adaptation actions that are consciously designed to advance gender equality. However, in four sectors—ocean and coastal ecosystems; mountain ecosystems; poverty, livelihood, sustainable development; and industrial system transitions, we find more negative links than positive links. For adaptation actions to have positive impacts on gender equality, gender-focused targets must be intentionally brought in at the prioritisation, designing, planning, and implementation stages. An SDG 5+ approach, which takes into consideration intersectionality and gender aspects beyond women alone, can help adaptation actions move towards meeting gender equality and other climate justice goals. This reflexive approach is especially critical now, as we approach the mid-point in the timeline for achieving the SDGs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».