Re-theorizing the collective action to address the climate change challenges: Towards resilient and inclusive agenda
Notice bibliographique
Résumé
Climate change poses a significant risk threatening the livelihood of people, communities, and cities worldwide. The stakes cannot be reduced to zero, so there is a constant need to re-theorize the collective action to address the climate change challenges. Doing so requires planning to reduce vulnerability to climate change. One of the most crucial challenges facing scientists, academics, citizens, and policymakers today is whether the collaborative, inclusive, and resilient climate change action can be implemented, assessed, and achieved. To respond to this question, this research aims to re-theorize, de-conceptualize, and analyze the collective effort to address the climate change challenges. First, the paper conceptualizes climate change resiliency as the ability to anticipate, prepare for, and respond effectively to climate-related risks, hazards, and threats. The existing challenges toward implementing resilient and inclusive climate change action have been analyzed. The paper theorizes the urban commons and collaborative governance to theorize collective efforts. This article concludes by identifying some critical determinants for the up‐scaling of collective action to address the climate change challenges. It can be supposed that any future inclusive and resilient collective action to address climate change is based on social learning to support decision-making, emphasizing inclusion and equity, which came in line with the United Nation’s 2030 SDGs.
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 | 0,018 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,048 |
| Communication savante | 0,013 | 0,019 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».