MétaCan
Menu
Retour à la cohorte
Enregistrement W4362677196 · doi:10.1080/14702541.2023.2194285

Loss and Damage from climate change: legacies from Glasgow and Sharm el-Sheikh

2023· article· en· W4362677196 sur OpenAlexfundno aff
W. Neil Adger

Notice bibliographique

RevueScottish Geographical Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreWellcome Trust
Mots-clésDamagesClimate changeLoss and damagePolitical scienceGeographyLawForensic engineeringGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

Conferences of the UN climate change convention have legacies both in formal outcomes and treaties and in raising the profile of emerging climate dilemmas. The joint legacies of COP26 in Glasgow and COP27 in Sharm el-Sheikh have been in elevating the profile and formalising the potential for solidaristic action on ‘Loss and Damage’ from climate change. This article reviews the documented outcomes on Loss and Damage from the two events to analyse the significance and constraints of this element of the overall climate change regime. Loss and Damage is likely to be constrained as a global collective action by the capacity to identify and measure losses and damages and by the ability of the climate change regime to deliver on meaningful resource transfers. Yet the formalisation of elements of climate justice through Loss and Damage is a real and lasting legacy of these COP events.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0120,031
Communication savante0,0070,005
Science ouverte0,0020,014
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,078
Tête enseignante GPT0,325
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScottish Geographical JournalMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207