MétaCan
Menu
Retour à la cohorte
Enregistrement W4386935269 · doi:10.24043/001c.87722

Variations and Parallels in Climate Change-Induced Migration Models: Customary Land Tenure in Francophone Pacific Islands

2023· article· en· W4386935269 sur OpenAlexvenueno aff
Elisabeth Worliczek

Notice bibliographique

RevueIsland Studies Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParallelsLand tenureContext (archaeology)GeographyCustomary landClimate changeDiversity (politics)Land useEconomic geographyPolitical scienceEcologyArchaeologyEconomicsLawAgriculture

Résumé

récupéré en direct d'OpenAlex

It is tempting to assume that across all Pacific Islands, potential climate change-induced migration (PCCIM) due to sea-level rise can be approached in a unified manner. However, the diversity of the Pacific Islands requires an in-depth analysis in order to establish culturally coherent migration models. The possibilities and limits that customary land tenure can offer in this context on islands of the three Pacific French overseas territories Wallis & Futuna (Wallis, Futuna), French Polynesia (Rangiroa) and New Caledonia (Lifou) are analysed through four lenses: the intergenerational transfer of land rights, the distribution of land plots (geographically and between families), the extent of power exercised by customary authorities, and the different types of ownership or usufruct. The examination of common threads and variations shows that guiding principles (access to land in the interior of a respective island, strength of land rights on a certain plot, infrastructure issues, concepts of mobility, importance of primary land ownership, importance of primogeniture, and potential inter-island access) are shared to different degrees across the islands. The fourfold matrix allows a robust analysis of the possibilities in the context of PCCIM in different locations through examining parallels, differences, advantages, and disadvantages of the different systems.

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)0,001
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,403
Score d'incertitude au seuil0,739

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,185
Tête enseignante GPT0,354
Écart entre enseignants0,169 · 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'étudeQualitatif
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIsland Studies JournalMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207