Community adaptation strategies in Nairobi informal settlements: Lessons from Korogocho, Nairobi-Kenya
Notice bibliographique
Résumé
Informal settlements are often the hotspots of vulnerability as evidenced by the recurrent environmental and climate-related shocks and stressors. Despite this exposure and susceptibility, their role in spearheading disaster risk preparedness and response is often overlooked. This exploratory research profiles four local community initiatives for climate mitigation and adaptation within Korogocho informal settlement in Kenya. Findings from 10 purposefully sampled key informants and 30 stratified sampled residents across nine villages within the informal settlement demonstrated the impact of locally led initiatives in creating awareness and developing the absorptive, adaptive and transformative capacity of communities for climate resilience. The research findings elaborate on the outstanding performance of community derived initiatives, whilst putting emphasis on the need for active dialogue and collaboration between communities, policy makers and practitioners. Additionally, the climate agenda ought to be able to simultaneously promote environmental benefits and the socio-economic wellbeing of the people. This study accentuates the role of smart approaches to climate literacy based on existing community structures that leverage on local experiential knowledge. These include digital storytelling, comics, art, music, local radio stations, community opinion leaders and chief barazas . A key takeaway is the significant role of children in transformative climate resilience. This is facilitated by the fact that they may comprehend climate change implications better than adults augmenting the possibility of human behavioral change toward pro-environmental deeds 1 .
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».