Transformative Sea-level Rise Research and Planning: Establishing a University, Tribal, and Community Partnership for a Resilient California North Coast
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sea-level rise (SLR) is and will continue to be a pressing issue in the rural, North Coast region of California, especially since nearby Wigi (or Humboldt Bay) is experiencing one of the fastest rates of relative SLR on the U.S. West Coast. In this paper, we argue that SLR presents a transformative opportunity to rekindle environmental relationships and reshape the future of the California North Coast and beyond. As the preeminent higher education institution of the region, Cal Poly Humboldt has the responsibility to be a leader in education, research, and planning for climate resilience. We describe efforts of the Cal Poly Humboldt Sea Level Rise Institute to establish a university-Tribal-community partnership that braids together different approaches and ways of knowing to develop research and planning that supports a resilient California North Coast. Since Wigi is projected to experience the effects of SLR sooner than the rest of the state, the North Coast region is poised to act as an incubator for new ideas and solutions, including Indigenous knowledge systems, and to play a role in influencing equitable, resilient, and transformative SLR adaptation processes in other parts of the state and the world. This will require developing programming and expertise in specific disciplinary areas, but, more importantly, will require the development of opportunities and spaces for various disciplines, ways of knowing, and sectors (e.g. Tribal nations, academia, government, NGOs, private companies, and community groups) to converge and bring the best of what they have to address climate-induced challenges and opportunities.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle