MétaCan
Menu
Retour à la cohorte
Enregistrement W4312603670 · doi:10.1139/facets-2022-0121

Using an inverted funnel analogy to develop a theory of change supporting resilient ecosystem-based adaptation in the Great Lakes Basin: a case study of Lincoln, Ontario, Canada

2022· article· en· W4312603670 sur OpenAlexaffvenueabout
Liette Vasseur, Bradley May, Meredith Caspell, Alex Marino, Pulkit Garg, Jocelyn Baker, Samantha Gauthier

Notice bibliographique

RevueFACETS · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensUniversity of WaterlooBrock University
Organismes subventionnairesnon disponible
Mots-clésSustainabilityEnvironmental resource managementPsychological resilienceClimate changeTourismTheory of changeCitizen journalismParticipatory action researchEnvironmental planningGeographyPolitical scienceSociologyEnvironmental scienceEcology

Résumé

récupéré en direct d'OpenAlex

Communities in coastal areas of Canada, including the Great Lakes, face a number of challenges, including increased water level variability and extreme weather events, causing flooding and localized erosion. To effectively respond to these coastal risks requires structured, deliberative approaches with the aim of fostering resilience and contributing to sustainability. A collaborative engagement process was used to explore community challenges. This included a project launch, key informant interviews, meetings, focus groups (agriculture, tourism, youth), and on-line methods (shoreline residents). Participatory social network analysis and theory of change were used for overall sense-making. As a result, community members identified six impact pathways moving forward with climate action: partnerships and collaboration; strategic engagement; water and watersheds; ecosystem-based adaptation; shoreline protection; and education. These themes are consistent with current theory on sustainability and theory of change development.

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 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 enseignants0,268
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,092
Tête enseignante GPT0,287
Écart entre enseignants0,196 · 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.

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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetFlood Risk Assessment and ManagementTravaux en français237 207