Varieties of approaches to constructing physical climate storylines: A review
Notice bibliographique
Résumé
Abstract The physical climate storyline (PCS) approach is increasingly recognized by the physical climate research community as a tool to produce and communicate decision‐relevant climate risk information. While PCS is generally understood as a single concept, different varieties of the approach are applied according to the aims and purposes of the PCS and the scientists that build them. To unpack this diversity of detail, this article gives an overview of key practices and assumptions of the PCS approach as developed by physical climate scientists, as well as their ties to similar approaches developed by the broader climate risk and adaptation research community. We first examine varieties of PCSs according to the length of the causal chain they explore, and the type of evidence used. We then describe how they incorporate counterfactual elements and the temporal perspective. Finally, we examine how value judgments are implicitly or explicitly included in the aims and construction of PCSs. We conclude the discussion by suggesting that the PCS approach can further mature in the way it incorporates the narrative element, in the way it incorporates value judgments, and in the way that the evidence chosen to build PCSs constrains what is considered plausible. This article is categorized under: Assessing Impacts of Climate Change > Scenario Development and Application Climate, History, Society, Culture > Technological Aspects and Ideas Paleoclimates and Current Trends > Modern Climate Change
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».