Understanding perceptions of climate vulnerability to inform more effective adaptation in coastal communities
Notice bibliographique
Résumé
Coastal social-ecological systems are vulnerable to climate change with impacts distributed unequally amongst human communities. Vulnerability assessments, an increasingly popular methodology for understanding variability in vulnerability and its components, often fail to include or recognize the perceptions of individuals in the focal system. Perceptions of climate vulnerability are influenced by experiences, social networks, and cognitive biases, and often differ from vulnerability as measured by subject experts. Because perceptions influence human behavior, including if and how people take adaptive action, a failure to recognize perceptions can lead to ineffective adaptation plans and an incomplete understanding of system vulnerability. Here, as part of a novel, multi-method effort to evaluate vulnerability to climate change in the California Current social-ecological system, we survey fishers from Washington, Oregon, and California to understand their perceived vulnerability and investigate what factors drive variability in their views. We find that while there is a connection between some factors known to influence vulnerability of fishers, including vessel size and the diversity of fishing portfolios, the most significant predictor of higher perceived vulnerability was environmental worldview, specifically a belief that climate change is occurring. Motivation to adapt is also influenced by the sentiment that the impacts of climate change are more urgent and consequential than other problems; thus, we also evaluate how concern levels for environmental issues compare to other challenges that may affect fishing success and wellbeing. While just under half think that they will be personally harmed by climate change, generally the fishers were more concerned about issues like costs and regulations than they were about environmental impacts. This assessment of perceptions highlights the importance of communication and addressing cognitive barriers to adaptation in the effort to develop climate resilient fisheries and fishing communities in the United States.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».