MétaCan
Menu
Retour à la cohorte
Enregistrement W4392584536 · doi:10.1016/j.oneear.2024.02.002

Research priorities for climate mobility

2024· article· en· W4392584536 sur OpenAlexafffund
Nicholas P. Simpson, Katharine J. Mach, Mark Tebboth, Elisabeth Gilmore, A.R. Siders, Petra B. Holden, Brilé Anderson, Chandni Singh, Salma Sabour, Lindsay C. Stringer, Harald Sterly, Portia Adade Williams, Andreas L. S. Meyer, Georgina Cundill, Sarah Rosengaertner, Abdimajid Nunow, Kamal Amakrane, Christopher H. Trisos

Notice bibliographique

RevueOne Earth · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensInternational Development Research CentreCarleton University
Organismes subventionnairesNational Research FoundationInternational Development Research Centre
Mots-clésEnvironmental scienceGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

The escalating impacts of climate change on the movement and immobility of people, coupled with false but influential narratives of mobility, highlight an urgent need for nuanced and synthetic research around climate mobility.Synthesis of evidence and gaps across the Intergovernmental Panel on Climate Change (IPCC) Sixth Assessment Report highlight a need to clarify the understanding of what conditions make human mobility an effective adaptation option and its nuanced outcomes, including simultaneous losses, damages, and benefits.Priorities include integration of adaptation and development planning; involuntary immobility and vulnerability; gender; data for cities; risk from responses and maladaptation; public understanding of climate risk; transboundary, compound, and cascading risks; nature-based approaches; and planned retreat, relocation, and heritage.Cutting across these priorities, research modalities need to better position climate mobility as type of mobility, as process, and as praxis.Policies and practices need to reflect the diverse needs, priorities, and experiences of climate mobility, emphasizing capability, choice, and freedom of movement.

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)0,041
score de la tête « metaresearch » (Gemma)0,067
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,218

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,067
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0040,006
Études des sciences et des technologies0,0070,010
Communication savante0,0130,028
Science ouverte0,0060,013
Intégrité de la recherche0,0140,016
Charge utile insuffisante (le modèle a refusé de juger)0,0450,008

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 Opus0,357
Tête enseignante GPT0,451
Écart entre enseignants0,094 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOne EarthMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207