MétaCan
Menu
Retour à la cohorte
Enregistrement W4319920547 · doi:10.2166/wcc.2023.346

Water, climate change and uncertainty in the Great Lakes and Rio Grande/Bravo Regions

2023· article· en· W4319920547 sur OpenAlexafffund
Yena Bassone‐Quashie, Debora L. VanNijnatten, Carolyn Johns

Notice bibliographique

RevueJournal of Water and Climate Change · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensWilfrid Laurier UniversityToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCorporate governanceContext (archaeology)ScarcityEnvironmental resource managementPreparednessClimate changeEnvironmental planningStructural basinEnvironmental scienceBusinessGeographyPolitical scienceEconomicsEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Uncertainty is inherent in transboundary water governance, yet climate change is deepening the uncertainties faced by those who manage shared water resources. This paper identifies and assesses uncertainties in the transboundary water governance context by applying an analytical framework which integrates insights from the uncertainty, adaptive governance, and public policy literatures to analyze policy documents in two complex transboundary cases: the Great Lakes and Rio Grande/Bravo basins. Findings from the analysis indicate that: first, deep uncertainties exist in both cases but the two basins face different combinations of, and interactions between, uncertainties; second, the system of scarcity assessed in this analysis (the Rio Grande/Bravo Basin) indicates more conflict-based uncertainties which aggravate natural and technical system uncertainties; and third, the governance system itself is a significant source of uncertainty, or exacerbates existing uncertainties, in both basins. The case studies reveal that governance systems need to focus on different sources, types and levels of uncertainty, and that policy responses need to be designed to move to a ‘monitor-and-adapt’ governance approach to reflect different uncertainties across systems of abundance and scarcity. An analysis of the preparedness of governance systems to respond and adapt to uncertainties is also needed and highly recommended.

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)0,000
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,687
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,049
Tête enseignante GPT0,232
Écart entre enseignants0,183 · 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'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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Water and Climate ChangeMême sujetWater resources management and optimizationTravaux en français237 207