A creative approach to participatory mapping on climate change impacts among very young adolescents in Kenya
Notice bibliographique
Résumé
Adolescent perspectives are crucially important for developing sustainable solutions to address climate change yet remain overlooked in the literature, particularly in low and middle-income contexts. Kenya is an important context to explore youth climate solutions, as youth constitute the fastest growing population facing climate change-related challenges, such as extreme weather events (e.g., droughts) and issues of water, food, and sanitation security. This manuscript details a methodology for participatory mapping on climate-related issues that was co-developed with Kenyan youth and community-based organizations in Kenya. The aim of this paper is to describe the design of a multi-media participatory mapping tool to identify and address the interconnections between social, health, and environmental well-being with very young adolescents (aged 10-14 years) in six geographically-diverse, climate-affected regions of Kenya (Nairobi, Kisumu, Kilifi, Naivasha, Isiolo, and Kalobeyei Refugee Settlement). The authors describe methods used to develop a strengths-based multi-media participatory mapping approach that combines user-friendly geographic information system (GIS) technology with arts-based methods (dance, drawing, music, video). The aim is to share these methods and process of co-development to inform future participatory mapping approaches with youth climate-related issues.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».