MétaCan
Menu
Retour à la cohorte
Enregistrement W4387129826 · doi:10.1080/00330124.2023.2250415

Public Perceptions of Resilience and Vulnerability Concepts for Adaptation

2023· article· en· W4387129826 sur OpenAlexafffundabout
Greg Oulahen, Christopher K. Randall, Calvin Nguyen, Carrie L. Mitchell

Notice bibliographique

RevueThe Professional Geographer · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversity of WaterlooToronto Metropolitan University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésConceptualizationFraming (construction)Vulnerability (computing)SociologyGeographyResilience (materials science)Adaptation (eye)Political scienceSocial psychologyPsychologyComputer scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Resilience is everywhere in plans, policy, and academic literature on risk reduction and adaptation, and a common refrain of elected officials and disaster victims alike. Geographers have contributed much to the critical understanding of the theoretical foundations and implications of this now ubiquitous concept, and have made some initial steps in studying how local practitioners and other experts interpret and apply resilience in risk reduction and adaptation measures. But there is limited empirical research, however, on what the people living in communities exposed to hazards think about resilience. This study aims to address this gap by conducting in-person, researcher-administered surveys (n = 400) with members of the public using coastal and lakefront environmental amenities in Vancouver and Toronto, Canada. Survey results include three main findings: (1) the majority of participants prefer the framing of “increasing resilience” over “reducing vulnerability”; (2) the conceptualization of resilience as creative transformation is greatly favored over conceptualizations of resilience as resistance or recovery; and (3) resilience is seen as uneven in both study cities. The study reveals insights that can help inform and align resilience theory and practice in cities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,023
Communication savante0,0060,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,069
Tête enseignante GPT0,384
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Professional GeographerMême sujetDisaster Management and ResilienceTravaux en français237 207