Seeking refuge? The potential of urban climate shelters to address intersecting vulnerabilities
Notice bibliographique
Résumé
Climate shelters are critical urban infrastructures to support adaptation to extreme weather. They offer spaces – e.g., parks, libraries, and civic centers – where residents can take refuge during episodes of extreme temperatures. With over 200 public spaces designated as “Climate Shelters”, Barcelona (Spain) serves as an emblematic example of whether these emerging spaces are meeting the needs, expectations, and everyday experiences of the most vulnerable residents. By applying an intersectional climate justice perspective and mixed-method approaches rooted in a survey of a particularly climate-exposed working-class neighborhood (La Prosperitat), we found that the intersecting vulnerabilities of marginalized populations remain poorly addressed, largely due to differences in access to coping mechanisms that overlap with intersecting social positions, exacerbating vulnerability to climate risks. We also found that housing inadequacy and energy poverty experienced by low-income residents and those originally from Global South countries made them the most affected and least able to cope with extreme temperatures. Women were also more affected by climate impacts and more concerned about current and future risks. We argue that unequal lived experiences of thermal (dis)comforts inform heat and cold inequalities, which, in turn, are attributed to intersecting social positions and structural vulnerabilities. These uneven lived experiences shape – and are reshaped by – limited adaptive capacity, culturally inappropriate approaches, and insufficiently inclusive public spaces, thus complicating an equity-driven provision of refuge infrastructures. Results call for developing refuge infrastructures that address the intersecting social and climate needs of residents who need them the most.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».