MétaCan
Menu
Retour à la cohorte
Enregistrement W4381619470 · doi:10.1016/j.jclepro.2023.137880

Exploring resilience in public services within marginalised communities during COVID-19: The case of coal mining regions in Colombia

2023· article· en· W4381619470 sur OpenAlexaff
Gabriel Weber, Ignazio Cabras, Ana María Peredo, Paola Yanguas-Parra, Karla Simone Prime

Notice bibliographique

RevueJournal of Cleaner Production · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of VictoriaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSolidarityResilience (materials science)Psychological resilienceLocal communityIndigenousEconomic growthCommunity resilienceCoronavirus disease 2019 (COVID-19)BusinessCoal miningService (business)Environmental planningPolitical scienceEnvironmental resource managementGeographyCoalEconomicsPoliticsEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

This paper examines the impact of COVID-19 on marginalised communities and its effects on the provision of public services. Focusing on two coal mining regions in Colombia during the pandemic crisis, and examining Indigenous and Afro-Colombian communities, we analyze the provision of public services at a local level, identifying both shortcomings and resilience. Findings show that the lack of resilient public services amplified the effects of COVID-19 and its containment measures, exacerbating existing structural inequalities within local marginalised communities. It also reinforced the control exercised by coal mining companies within local economies. However, the substantial lack of public service provision also provided space for the development and strengthening of several resilience strategies among local communities, such as solidarity networks and schemes and the revitalization of local environmental knowledge. The study identifies multiple shortcomings in how the national and local administrations handled the COVID-19 outbreak and highlights the potential of enhancing resilience in public services to support marginalised communities in times of crisis.

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)0,002
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,275

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,090
Tête enseignante GPT0,266
Écart entre enseignants0,176 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cleaner ProductionMême sujetMining and Resource ManagementTravaux en français237 207