MétaCan
Menu
Retour à la cohorte
Enregistrement W4387685202 · doi:10.38126/jspg230108

Climate Crisis Induced Migration: A Global Framework to Minimize and Manage Large-Scale Climate Refugees and Migrants

2023· article· en· W4387685202 sur OpenAlexaff
Bipin Kumar Badri Narayanan, Megan L. Shipman, Liam D. P. Foyle, Kaitlin Kharas, Bryn Livingston, Nancy T. Li, Maria Medeleanu, Luna Taguchi

Notice bibliographique

RevueJournal of Science Policy & Governance · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésRefugeeClimate changeDisplaced personPolitical scienceImmigrationClimate justiceForced migrationPolitical economy of climate changeInternally displaced personConventionDevelopment economicsUnited Nations Framework Convention on Climate ChangeEnvironmental resource managementEconomic growthEconomicsKyoto ProtocolEcology

Résumé

récupéré en direct d'OpenAlex

The ongoing climate crisis will force the migration of up to 1.2 billion people by 2050. Since climate displacement has already begun, having policies in place to mitigate predictable issues that will arise from mass migration and safeguard vulnerable populations is essential. We recommend assigning a special “climate refugee/migrant” status to ensure human rights protections for these refugees/migrants. We also propose preventative measures to help reduce climate-related immigration and essential measures to facilitate refugees adapting to new regions. Finally, we recommend strategies to implement a “Loss and Damage” fund for the developing countries most vulnerable to climate-related disasters. These policies address a critical gap in climate migration policy and could inform the upcoming Conference of the Parties (COP 28) of the United Nations Framework Convention on Climate Change (UNFCCC) in Dubai in November 2023

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)0,015
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,011
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,007
Communication savante0,0100,006
Science ouverte0,0040,015
Intégrité de la recherche0,0110,008
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,051
Tête enseignante GPT0,376
Écart entre enseignants0,325 · 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'étudeThéorique ou conceptuel
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 revueJournal of Science Policy & GovernanceMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207