MétaCan
Menu
Retour à la cohorte
Enregistrement W4310727124 · doi:10.21203/rs.3.rs-2304659/v1

Experience Exceeds Awareness of Anthropogenic Climate Change in Greenland

2022· preprint· en· W4310727124 sur OpenAlexaffabout
Kelton Minor, Manumina Lund-Jensen, Lawrence C. Hamilton, Mette Bendixen, David Dreyer Lassen, Minik T. Rosing

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésClimate changeClimatologyEnvironmental scienceOceanographyGeographyEnvironmental resource managementGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Greenland’s residents and Ice Sheet are both exposed to pronounced Arctic warming. Although Greenland is a hub for climate science, the climate perceptions of Greenland’s predominantly Indigenous population remained unstudied through the past decade of multi-national climate opinion polls. Conducting two original nationally representative surveys, here we show that Greenlanders are more likely than residents of top oil-producing Arctic countries to perceive that climate change is happening, and about twice as likely to have personally experienced its effects. However, half are unaware that climate change is human-caused, and those who are most affected appear to be least aware. An Inuit cultural dimension, indicated by the intertwined social ecological factors of Indigenous identity, subsistence occupation, village community scale and no post-elementary education, proves to be the main positive predictor of climate change experience but also the strongest negative predictor of awareness of human-caused climate change. Despite Greenland’s centrality to climate research, we uncover a widespread gap between the scientific consensus and coastal Kalaallit views of climate change, particularly among the country’s youth, fishers, and hunters. This science-society gulf has immediate and prospective implications for local climate adaptation, climate science communication and knowledge exchange between generations, institutions, and communities.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,179
Tête enseignante GPT0,414
Écart entre enseignants0,236 · 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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetCryospheric studies and observationsTravaux en français237 207