MétaCan
Menu
Retour à la cohorte
Enregistrement W4311460642 · doi:10.1016/j.cacint.2022.100097

Climate change adaptation cycle for pilot projects development in small municipalities: The northwestern Italian regions case study

2022· article· en· W4311460642 sur OpenAlexfundno aff
Guglielmo Ricciardi, Marta Ellena, Giuliana Barbato, Giuseppe Giugliano, Pasquale Schiano, Sara Leporati, Claudia Traina, Paola Mercogliano

Notice bibliographique

RevueCity and Environment Interactions · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensnon disponible
Organismes subventionnairesSt. Paul's FoundationCompagnia di San Paolo
Mots-clésMaladaptationAdaptation (eye)Climate changeEnvironmental resource managementContext (archaeology)Environmental planningPsychological resilienceLocal adaptationClimate change adaptationPopulationBusinessGeographyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

More than half of the European population live in small and medium size municipalities, where climate adaptation planning is an under-researched topic within the climate change field. Many constraints might hinder the implementation of adaptation pilot projects due to lack of economic, knowledge, and technical available resources. Local institutions find difficulties in building a coherent local adaptation planning and design processes with international and national frameworks. In this context, this article proposes a methodology based on the available international frameworks to support the small communities with the aim to implement adaptation pilot projects within different sectors. In doing so, this paper tests a climate change adaptation cycle for pilot projects development in small municipalities; the first in Italy for small municipalities under 20.000 inhabitants. The proposed methodology could lead local adaptation initiatives in climate change risk assessment by supporting the research communities in developing a coherent vision for the local territories and to identify proper oriented measures to enhance demonstrative pilot projects and to increase the level of resilience in small municipalities, avoiding maladaptation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,627
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,363
Tête enseignante GPT0,344
Écart entre enseignants0,020 · 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 tête enseignante, pas un consensus.

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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCity and Environment InteractionsMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207